统计学习matlab代码

在MATLAB中进行统计学习通常涉及使用内置的数据分析工具箱以及一些机器学习函数库，比如 Statistics and Machine Learning Toolbox 或者是第三方库如KernelMachines。这里是一个简单的例子，展示如何使用支持向量机（SVM）进行线性分类：

% 加载数据（假设我们有一个名为"myData.csv"的数据集）
data = readtable('myData.csv');
X = data(:, 1:end-1); % 特征变量
Y = data(:, end);   % 目标变量

% 划分训练集和测试集
cv = cvpartition(size(X,1),'HoldOut',0.3); % 30%的训练数据
idxTrain = training(cv);
idxTest = test(cv);

Xtrain = X(idxTrain,:);
Ytrain = Y(idxTrain);
Xtest = X(idxTest,:);
Ytest = Y(idxTest);

% 创建SVM模型并训练
model = fitcsvm(Xtrain,Ytrain,'KernelFunction','linear');

% 预测
Ypred = predict(model,Xtest);

% 评估性能
accuracy = sum(Ypred == Ytest) / numel(Ytest);

这只是一个基本的示例，实际应用中可能需要对数据预处理、参数调整、交叉验证等步骤。对于更复杂的算法，如神经网络、随机森林或深度学习，可以使用`fitnet`, `TreeBagger`, 或 `dlnetwork` 等函数。