matlab支持向量机 svm的训练函数代码

以下是MATLAB中使用支持向量机训练模型的代码示例：

假设我们有一个训练集X和一个目标向量y，其中X是一个m x n的矩阵，m是数据集中的样本数，n是每个样本的特征数。y是一个m x 1的向量，表示每个样本的类别标签。

我们可以使用SVMtrain函数来训练一个SVM模型：

% 设置SVM参数
C = 1; % 惩罚因子
kernel = 'linear'; % 核函数类型

% 训练SVM模型
svmModel = svmtrain(X, y, 'BoxConstraint', C, 'Kernel_Function', kernel);

这里的参数'C'是惩罚因子，用于控制分类错误的代价。'kernel'是核函数的类型，可以是线性、多项式、径向基等。在这个示例中，我们选择了线性核函数。

训练完成后，我们可以使用SVMclassify函数来对新的数据进行分类：

% 设置测试数据
XTest = [1.2, 2.3, 3.4; 
         2.1, 3.2, 4.3; 
         3.4, 4.5, 5.6];

% 进行分类
yPred = svmclassify(svmModel, XTest);

这里的参数'svmModel'是我们训练好的SVM模型，'XTest'是测试数据，'yPred'是预测的分类标签。

以上就是MATLAB中使用支持向量机训练模型的代码示例。