基于支持向量机的数据分类预测，代码全部封装好了，注释也写得非常详细，跑数据的过程中有任何问题可以私信博主

支持向量机(support vector machine, SVM)是一种新的机器学习方法,其基础是Vapnik创建的统计学习理论(statistical learning theory, STL)。统计学习理论采用结构风险最小化(structural risk minimization, SRM)准则,在最小化样本点误差的同时,最小化结构风险,提高了模型的泛化能力,且没有数据维数的限制。在进行线性分类时,将分类面取在离两类样本距离较大的地方;进行非线性分类时通过高维空间变换,将非线性分类变成高维空间的线性分、类问题。 libsvm工具箱是台湾大学林智仁(C.JLin)等人开发的一套简单的、易于使用的SVM模 式识别与回归机软件包该软件包利用收敛性证明的成果改进算法，取得了很好的结果。libsvm共实现了5种类型的SVM:C-SVC,u-SVC,One Class - SVC,e- SVR 和u-SVR等。

支持向量机工具包/适用于matlab、python、java

SVM训练、测试基本函数；在MATLAB中make之后就可用

分类代码示例（C4.5、libsvm)，帮助理解高光谱遥感图像的分类。

LibSVM是一款简单易用的支持向量机工具包，本资源提供libsvm历史版本下载，历史版本包括3.18-3.25

基于libsvm的iris数据集，数据集已经修改成满足livsvm调用的格式，可直接用libsvm调用，无需修额外耗费精力改数据集

采取libsvm单纯的 pca svm算法的程序

 采取libsvm单纯的 pca svm算法GUI界面 采取guide的形式

采取libsvm单纯的 pca svm算法GUI界面 不采取guide的形式