给出SVM寻找一个最优超平面来实现数据分类简单示例图像的matlab代码

这里是一个简单的示例代码，使用SVM寻找一个最优超平面来实现二分类：

% 准备数据
load fisheriris
X = meas(51:end,3:4);
y = (strcmp(species(51:end),'versicolor'));

% 训练SVM模型
SVMModel = fitcsvm(X,y);

% 预测并绘图
figure;
gscatter(X(:,1),X(:,2),y);
hold on;
h = ezplot(@(x1,x2)predict(SVMModel,[x1,x2]),get(gca,'XLim'),get(gca,'YLim'));
h.Color = 'k';
h.LineWidth = 2;
title('SVM分类结果');
legend('versicolor','not versicolor','Decision boundary');

上述代码中，我们使用了鸢尾花数据集中第三列和第四列的数据进行训练，并使用`strcmp`函数将类别转换成布尔值。然后使用`fitcsvm`函数训练SVM模型，最后使用`ezplot`函数绘制分类结果。