其實使用libsvm進行分類很簡單，只需要有屬性矩陣和標籤，然後就可以建立分類模型（model），然後利用得到的這個model進行分類預測了。一、屬性矩陣和標籤：一個班級裡面有兩個男生（男生1、男生2），兩個女生（女生1、女生2），其中男生1 身高：176cm 體重：70kg；男生2 身高：180cm 體重：80kg；女生1 身高：161cm 體重：45kg；女生2 身高：163cm 體重：47kg；如果將男生定義為1，女生定義為-1，並將上面的資料放入矩陣data中，即data = [176 70;180 80;161 45;163 47];複製程式碼在label中存入男女生類別標籤（1、-1），即label = [1;1;-1;-1];複製程式碼這樣上面的data矩陣就是一個屬性矩陣，行數4代表有4個樣本，列數2表示屬性有兩個，label就是標籤（1、-1表示有兩個類別：男生、女生）。二、有了上面的屬性矩陣data，和標籤label就可以利用libsvm建立分類模型了，簡要程式碼如下：model = svmtrain(label,data);複製程式碼有了model就可以做分類預測，比如此時該班級又轉來一個新學生，其身高190cm，體重85kg想透過上面這些資訊就給出其標籤（想知道其是男【1】還是女【-1】）比如 令 testdata = [190 85]; 由於其標籤不知道，假設其標籤為-1（也可以假設為1）即testdatalabel = -1;然後利用libsvm來預測這個新來的學生是男生還是女生，程式碼如下：[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model)複製程式碼下面整體執行一下上面這段的背景資料和程式碼：data = [176 70;180 80;161 45;163 47];label = [1;1;-1;-1];model = svmtrain(label,data);testdata = [190 85];testdatalabel = -1;[predictlabel,accuracy] = svmpredict(testdatalabel,testdata,model);predictlabel複製程式碼執行結果如下：Accuracy = 0% (0/1) (classification)predictlabel =