我使用的是libsvm 3.16版本。我已经在Matlab中进行了一些训练，并创建了一个模型。现在我想将这个模型保存到磁盘，并在我的C++程序中加载这个模型。到目前为止，我找到了以下几种替代方案：
- 这个回答解释了如何从C++保存模型，这是基于这个网站的。并不是我所需要的，但可以进行调整。（这需要开发时间）。
- 我可以在Matlab中找到最佳的训练参数（核函数，C），然后在C++中重新训练所有内容。（每次更改参数时都需要在C++中进行训练。这不具备可扩展性）。
因此，这两种选择都不令人满意，
有谁有好的建议吗？
回答：
实际上，第一个选项相当合理。如果你通过Matlab将模型保存为libsvm的C格式，那么使用libsvm提供的函数在C/C++中处理模型就非常简单了。尝试在C++中处理Matlab格式的数据可能会困难得多。
“svm-predict.c”文件中的main函数（位于libsvm包的根目录）可能包含你需要的大部分内容：
if((model=svm_load_model(argv[i+1]))==0){ fprintf(stderr,"can't open model file %s\n",argv[i+1]); exit(1);}例如，要使用模型预测标签x，你可以运行
int predict_label = svm_predict(model,x);这其中最棘手的部分是将你的数据转换为libsvm格式（除非你的数据已经是libsvm文本文件格式，在这种情况下，你可以直接使用”svm-predict.c”中的predict函数）。
libsvm向量x是一个struct svm_node数组，表示一个稀疏数据数组。每个svm_node都有一个索引和一个值，并且向量必须以索引设置为-1结束。例如，要编码向量[0,1,0,5]，你可以这样做：
struct svm_node *x = (struct svm_node *) malloc(3*sizeof(struct svm_node));x[0].index=2; //注意：libsvm索引从1开始x[0].value=1.0;x[1].index=4;x[1].value=5.0;x[2].index=-1;对于分类器（C_SVC）以外的SVM类型，请查看”svm-predict.c”中的predict函数。
