ssa svm的matlab代码

下面是一个简单的使用Matlab实现SVM（支持向量机）的代码示例：

% 加载数据集
load fisheriris
X = meas(51:end, 3:4); % 只选择两个特征，这里仅作示例
Y = (1:100)'>50;      % 创建类别标签（二分类问题）

% 训练SVM模型
svmModel = fitcsvm(X, Y);

% 绘制决策边界
sv = svmModel.SupportVectors;
figure;
gscatter(X(:,1), X(:,2), Y);
hold on;
plot(sv(:,1), sv(:,2), 'ko', 'MarkerSize', 10);
legend('Class 0', 'Class 1', 'Support Vector');
title('SVM Decision Boundary');

% 预测新样本
newX = [4.5, 1.5]; % 新样本特征
predictedClass = predict(svmModel, newX);

disp(['预测结果：', num2str(predictedClass)]);

这段代码首先加载了一个简单的数据集（鸢尾花数据集的一部分），然后使用`fitcsvm`函数训练SVM模型。接着绘制了决策边界和支持向量，最后使用训练好的模型对新样本进行预测。

请注意，这只是一个简单的示例代码，实际应用中可能需要根据数据集和问题的特点进行相应的调整。

希望能对你有所帮助！如果还有其他问题，请随时提问。