支持向量机matlab代码程序

以下是一个简单的支持向量机（SVM）的 MATLAB 程序：

% 加载数据
data = load('data.txt');
X = data(:, 1:2);
y = data(:, 3);

% 绘制数据
plotData(X, y);

% 训练 SVM 模型
C = 1.0; % 正则化参数
model = svmTrain(X, y, C, @linearKernel);

% 绘制决策边界
visualizeBoundaryLinear(X, y, model);

% 定义线性核函数
function sim = linearKernel(x1, x2)
    sim = x1' * x2;
end

% 绘制数据函数
function plotData(X, y)
    % 找到正负样本的索引
    pos = find(y==1);
    neg = find(y==0);
    
    % 绘制正负样本
    plot(X(pos, 1), X(pos, 2), 'k+', 'LineWidth', 2, 'MarkerSize', 7);
    hold on;
    plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y', 'MarkerSize', 7);
    hold off;
end

% 绘制线性决策边界函数
function visualizeBoundaryLinear(X, y, model)
    % 绘制数据
    plotData(X, y);
    
    % 绘制决策边界
    w = model.w;
    b = model.b;
    xp = linspace(min(X(:,1)), max(X(:,1)), 100);
    yp = (-1/w(2)) * (w(1) * xp + b);
    plot(xp, yp, '-b');
    
    % 设置图形属性
    xlim([min(X(:,1))-0.1, max(X(:,1))+0.1]);
    ylim([min(X(:,2))-0.1, max(X(:,2))+0.1]);
    legend('Positive', 'Negative', 'Decision boundary');
    title('Linear SVM');
end

这个程序使用了线性核函数来训练一个二分类的 SVM 模型，并绘制了决策边界。注意，这个程序只适用于线性可分的数据集。如果数据集是线性不可分的，可以使用非线性核函数，如高斯核函数。