入手は，http://www.csie.ntu.edu.tw/~cjlin/libsvm/　から．

教師データの準備

のように，左端にクラス，その後スペースを挟んで，

0:(0番目のパラメータ)　1:(1番目のパラメータ)

として値を記入したテキストファイルを作成．
ここでは仮に，「input.txt」とする．

svm-trainクラスによるmodelの作成

javaを使う場合は，javaディレクトリの中で，

次に，

svm_trainクラスには，カーネルの指定などのオプションがある．以下，READMEから引用．

Usage: svm-train [options] training_set_file [model_file]

options:

-s svm_type : set type of SVM (default 0)

	0 -- C-SVC

	1 -- nu-SVC

	2 -- one-class SVM

	3 -- epsilon-SVR

	4 -- nu-SVR

-t kernel_type : set type of kernel function (default 2)

	0 -- linear: u"*v

	1 -- polynomial: (gamma*u"*v + coef0)^degree

	2 -- radial basis function: exp(-gamma*|u-v|^2)

	3 -- sigmoid: tanh(gamma*u"*v + coef0)

	4 -- precomputed kernel (kernel values in training_set_file)

-d degree : set degree in kernel function (default 3)

-g gamma : set gamma in kernel function (default 1/num_features)

-r coef0 : set coef0 in kernel function (default 0)

-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)

-n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)

-p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)

-m cachesize : set cache memory size in MB (default 100)

-e epsilon : set tolerance of termination criterion (default 0.001)

-h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)

-b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)

-wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)

-v n: n-fold cross validation mode

-q : quiet mode (no outputs)

svm_predictによる判定

のように，

　クラス　0:(0番目のパラメータ)　1:(1番目のパラメータ)

という書式で，判定対象のパラメータを記入したテキストファイルを準備する．
ここでは，test.txtとする．

次に，

のように，第１引数に判定対象のパラメータファイル，第２引数にmodelファイル，第３引数に結果の出力先を指定する．

すると，出力先ファイルに，

のように，分類結果が示される．