首先下载Libsvm、Python和Gnuplot：
l libsvm的主页http://www.csie.ntu.edu.tw/~cjlin/libsvm/上下载libsvm (我自己用2.86版本)
l python的主页http://www.python.org下载 python (我自己用2.5版本)
l gnuplot的主页http://www.gnuplot.info/下载gnuplot (我用4.0版本)
LIBSVM 使用的一般步骤是：
1)按照LIBSVM软件包所要求的格式准备数据集；
2)对数据进行简单的缩放操作；
3)首要考虑选用RBF 核函数；
4)采用交叉验证选择最佳参数C与g ；
5)采用最佳参数C与g 对整个训练集进行训练获取支持向量机模型；
6)利用获取的模型进行测试与预测。
1)LIBSVM使用的数据格式
该软件使用的训练数据和检验数据文件格式如下：
[label] [index1]:[value1] [index2]:[value2] …
[label] [index1]:[value1] [index2]:[value2] …
一行一条记录数据，如:
+1 1:0.708 2:1 3:1 4:-0.320 5:-0.105 6:-1
这里(x,y)à((0.708,1,1, -0.320, -0.105, -1), +1)
label 或说是class, 就是你要分类的种类，通常是一些整数。
index 是有順序的索引，通常是连续的整数。
value 就是用来 train 的数据，通常是一堆实数。
2)对数据进行简单的缩放操作
扫描数据. 因为原始数据可能范围过大或过小, svmscale可以先将数据重新scale (縮放) 到适当范围使训练与预测速度更快。
svmscale.exe的用法：svmscale.exe feature.txt feature.scaled
默认的归一化范围是[-1,1]，可以用参数-l和-u分别调整上界和下届,feature.txt是输入特征文件名 输出的归一化特征名为feature.scaled
3) 考虑选用RBF 核函数
训练数据形成模型(model),实质是算出了wx+b=0中的w,b.
Svmtrain的用法：svmtrain [options] training_set_file [model_file]
其中options涵义如下:
-s svm类型：设置SVM