基于SVM的故障诊断多分类（11类）matlab代码

以下是一个基于SVM的故障诊断多分类（11类）的Matlab代码的示例：

% 加载数据
load('fault_diagnosis_data.mat');

% 分割数据集
[train_data, train_label, test_data, test_label] = split_data(data, label, 0.8);

% 训练SVM模型
model = fitcecoc(train_data, train_label);

% 预测测试数据
pred_label = predict(model, test_data);

% 计算准确率
accuracy = sum(pred_label == test_label) / length(test_label);
disp(['Accuracy: ', num2str(accuracy)]);

% 绘制混淆矩阵
plotconfusion(test_label, pred_label);

其中，`data` 是包含所有数据的矩阵，每一行表示一个样本，每一列表示一个特征。`label` 是对应的标签，每个标签代表一个故障类型，共有11个。`split_data` 函数用于将数据集分割为训练集和测试集，其中 `0.8` 表示将80%的数据用于训练，20%的数据用于测试。`fitcecoc` 函数用于训练SVM模型，`predict` 函数用于预测测试数据的标签，`sum(pred_label == test_label)` 统计预测正确的样本数，`length(test_label)` 统计测试集样本总数，从而计算准确率。`plotconfusion` 函数用于绘制混淆矩阵，以便更直观地了解模型的分类效果。