matlab中多分类svm

在Matlab中实现多分类SVM可以使用一些内置函数，如fitcecoc。fitcecoc函数可以使用一对多的方法将多个二元分类器组合成一个多类分类器。

具体步骤如下：
1. 准备数据集，将其划分为训练集和测试集。
2. 使用fitcecoc函数拟合一个多类SVM模型。
3. 使用训练集对模型进行训练。
4. 使用测试集对模型进行测试，并计算分类准确率。

以下是一个示例代码：

load fisheriris
X = meas;
Y = species;

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

%使用fitcecoc函数训练一个多类SVM模型
t = templateSVM('Standardize',true,'KernelFunction','gaussian');
model = fitcecoc(Xtrain,Ytrain,'Learners',t,'FitPosterior',true);

% 在测试集上评估模型
[pred, score] = predict(model,Xtest);
accuracy = sum(Ytest==pred)/numel(Ytest);
disp(['Accuracy: ', num2str(accuracy)])