步驟2:打開java文件夾
步驟3:建立項目並引用lib.svm包。
步驟5:將步驟2中文件夾中的四個文件復制到壹個自定義包中。
第六步:編寫程序調用，代碼如下，貼出來供大家學習。如有不妥，歡迎拍磚。
導入Java . io . io exception；
導入libsvm.svm
導入libsvm.svm _ model
公共類支持向量測試{
公共靜態void main（String【】args）引發IOException {
SVM _ train svmt = new SVM _ train（）；
SVM _ predict svmp = new SVM _ predict（）；
string【】argvTrain = {
“c: \ \用戶\ \寶龍\ \桌面\ \ KDD \ \其他\ \ SVM \ \培訓\ \ tr1.data“，//培訓文件。
“c: \ \用戶\ \寶龍\ \桌面\ \ KDD \ \其他\ \ SVM \ \模型\ \ mo 1 . model“//模型文件。
};
string【】argvPredict = {
“C: \ \用戶\ \寶龍\ \桌面\ \ KDD \ \其他\ \ SVM \ \預測\ \ PR1.data“，//預測文件。
“c: \ \用戶\ \寶龍\ \桌面\ \ KDD \ \其他\ \ SVM \ \模型\ \ mo1.model“，//模型文件。
“C: \ \用戶\ \寶龍\ \桌面\ \ KDD \ \其他\ \ SVM \ \結果\ \ Re1 . out“//預測結果文件。
};
嘗試{
svmt . main（argvTrain）；
svmp . main（argvPredict）；
} catch（io exception e ）{
e . printstacktrace()；
}
double【】record = {-1，12，12，78 }；
libsvm.svm_model model = svm
。SVM _ load _ model（“C:\ \ Users \ \ baolong \ \ Desktop \ \ KDD \ \其他\ \ SVM \ \ model \ \ mo 1 . model“）；
system . out . println（svmp . predictperrecord（record，model））；
}
}