线性判别分析多分类matlab代码

以下是使用MATLAB实现线性判别分析（LDA）进行多分类的示例代码：

% 读入数据
load iris_dataset;

% 将数据集分为训练集和测试集
cv = cvpartition(species,'HoldOut',0.3);
Xtrain = meas(cv.training,:);
Ytrain = species(cv.training,:);
Xtest = meas(cv.test,:);
Ytest = species(cv.test,:);

% 使用LDA进行多分类
ldaMdl = fitcdiscr(Xtrain,Ytrain);

% 预测测试集
Ypred = predict(ldaMdl,Xtest);

% 计算分类准确率
accuracy = sum(Ypred == Ytest)/size(Ytest,1)

% 可视化分类结果
gscatter(Xtest(:,1),Xtest(:,2),Ytest);
hold on
K = ldaMdl.Coeffs(1,2).Const;
L = ldaMdl.Coeffs(1,2).Linear;
f = @(x1,x2) K + L(1)*x1 + L(2)*x2;
h2 = ezplot(f,[min(Xtest(:,1)) max(Xtest(:,1)) min(Xtest(:,2)) max(Xtest(:,2))]);
h2.Color = 'r';
h2.LineWidth = 2;
title('{\bf Linear Classification with LDA}')
xlabel('Sepal Length')
ylabel('Sepal Width')
legend('setosa','versicolor','Location','best')
hold off

这段代码使用了鸢尾花数据集来进行LDA多分类。首先将数据集分为训练集和测试集，然后使用`fitcdiscr`函数训练模型。接着，使用`predict`函数对测试集进行预测，并计算分类准确率。最后，使用`gscatter`函数可视化分类结果。