libsvm 和 liblinear 的组合在做分类的时候确实挺稳的，STSC（监督传输稀疏编码）就把这俩整合得挺溜的。作者直接放出了完整的 MATLAB 实现，实验脚本、可视化工具一应俱全，连原始手写数字数据也打包好了，真是省事。

STSC 的核心思想就是在源域和目标域之间搞点“传输学习”的事情，同时又加了稀疏编码这味料。适合那种样本分布不太一致、又要保持识别准确率的任务，比如跨域数字识别、图像分类啥的。

代码结构挺清晰的，重点在code/目录下，里面还用了子模块方式嵌套了LIBSVM和LIBLINEAR，所以一定要用：

git clone --recursive git@github.com:alshedivat/stsc.git

不然缺库就跑不动。安装的时候也别忘了在code/libsvm/matlab和code/liblinear/matlab下运行make，MATLAB 中直接执行就行：

cd code/liblinear/matlab
make
cd ../libsvm/matlab
make

跑实验也简单，直接在code/目录里跑起来就行了。并行支持也做得不错，适合丢多核机器上批量试参数，效率不低。数据集加载和预脚本都给你准备好了，拿来直接用。

如果你之前用过LibSVM或者搞过稀疏表达，那这个项目上手会蛮快。比较推荐看看作者的可视化脚本，嗯，调模型的时候挺有。

推荐几个相关资源，有时间可以顺手看看：

如果你刚好在找带迁移学习思想的稀疏编码方法，那这个 STSC 代码你值得一试。