svm支持向量机多分类matlab代码

当使用SVM（支持向量机）进行多分类时，可以使用一对多（One-vs-All）方法。该方法将每个类别与其他所有类别进行比较，从而构建多个二分类器。以下是使用MATLAB实现SVM多分类的示例代码：

% 加载数据集
load fisheriris
X = meas;
Y = species;

% 将类别转换为数字标签
Y_numeric = grp2idx(Y);

% 设置SVM参数
svmParams = templateSVM('KernelFunction', 'linear');

% 训练多个二分类器
svmModels = cell(max(Y_numeric), 1);
for i = 1:max(Y_numeric)
    binaryLabels = Y_numeric == i;
    svmModels{i} = fitcecoc(X, binaryLabels, 'Learners', svmParams);
end

% 预测新样本的类别
newData = [5.1, 3.5, 1.4, 0.2]; % 新样本数据
predictedLabels = zeros(max(Y_numeric), 1);
for i = 1:max(Y_numeric)
    predictedLabels(i) = predict(svmModels{i}, newData);
end

% 将数字标签转换回原始类别
predictedSpecies = unique(Y);
predictedSpecies(predictedLabels == 0) = [];

disp(predictedSpecies);

这段代码使用了`fitcecoc`函数来训练多个二分类器，并使用`predict`函数对新样本进行预测。最后，将数字标签转换回原始类别。