支持向量机svm分类模型-多分类预测-matlab源代码

支持向量机（Support Vector Machine, SVM）是一种常用的机器学习算法，常用于分类和回归问题中。在多分类问题中，可以通过一对多的方式将其转化为多个二分类问题。

下面是使用MATLAB进行多分类预测的SVM分类模型的源代码示例：

% 加载数据
load fisheriris
X = meas; % 输入特征
Y = species; % 类别标签

% 转换标签为数值，1表示setosa，2表示versicolor，3表示virginica
Y(Y=="setosa") = 1;
Y(Y=="versicolor") = 2;
Y(Y=="virginica") = 3;

% 划分训练集和测试集
cv = cvpartition(species,'Holdout',0.2);
Xtrain = X(training(cv),:);
Ytrain = Y(training(cv),:);
Xtest = X(test(cv),:);

% 训练SVM模型
SVMModel = fitcecoc(Xtrain, Ytrain);

% 预测
Ytest = predict(SVMModel, Xtest);

% 计算准确率
accuracy = sum(Ytest == Y(test(cv))) / numel(Ytest);

% 输出结果
disp(['预测准确率：', num2str(accuracy)]);

以上代码中，首先加载了鸢尾花数据集，特征矩阵`X`为4个特征，标签`Y`为3类鸢尾花的类别。接着将标签进行数值化。然后使用`cvpartition`函数将数据划分为训练集和测试集。使用`fitcecoc`函数训练SVM多分类模型，并使用`predict`函数对测试集进行预测，最后计算准确率并输出结果。

请注意，以上代码仅为示例，实际使用时需要根据自己的数据和需求进行相应的修改。