MATLAB实现SVM单一模型多标签输出

在MATLAB中，支持向量机（SVM）通常用于二分类任务。然而，如果需要处理多标签输出，可以采用一种称为“一对一”（One-vs-One, OVO）或多标签SVM的方法。这里是一个简单的步骤概述：

1. **数据准备**：首先，你需要将多标签问题转换成多个二分类问题。每个类别与其他所有类别作为一对来进行训练。

2. **创建OVO模型**：使用`fitcsvm`函数对每一对类别创建一个独立的SVM模型。例如，如果你有三个标签A、B和C，你会创建三个模型：model_AvB, model_AvC, 和 model_BvC。

   models = cell(0, nLabels);
   for i = 1:nLabels
       for j = (i+1):nLabels
           idxTrain = ~ismember(labels, [i j]);
           idxTest = ismember(labels, [i j]);
           models{end+1} = fitcsvm(features(idxTrain,:), labels(idxTrain) ~= i, 'KernelFunction', 'linear');
       end
   end

3. **预测阶段**：对于新的样本，通过所有模型进行预测，并选择多数标签作为最终结果。这可以通过`predict`函数结合cell数组的特性实现。

   newFeatures = ... % 输入样本特征
   predictions = cellfun(@(model) predict(model, newFeatures), models, 'UniformOutput', false);
   labelVotes = accumarray(find(predictions == 1), labels(predictions == 1));
   predictedLabel = mode(labelVotes); % 返回出现次数最多的标签

4. **评估**：由于多标签场景下通常不直接使用准确率，可能需要使用F1分数、平均精度（Average Precision, AP）等评价指标。