matlab SVM多分类

在MATLAB中，可以使用支持向量机（SVM）进行多分类任务。MATLAB提供了一个内置的函数fitcecoc，用于训练基于SVM的错误修正输出编码（Error Correcting Output Codes，ECOC）模型。ECOC模型可以将多分类问题转化为一系列二分类子问题。

下面是一个使用fitcecoc函数进行多分类的示例：

% 准备数据
load fisheriris
X = meas;
Y = species;

% 将数据集划分为训练集和测试集
cv = cvpartition(Y,'Holdout',0.2);
Xtrain = X(training(cv),:);
Ytrain = Y(training(cv),:);
Xtest = X(test(cv),:);
Ytest = Y(test(cv),:);

% 训练SVM模型
svmModel = fitcecoc(Xtrain, Ytrain);

% 预测测试集数据
Ypred = predict(svmModel, Xtest);

% 计算预测准确率
accuracy = sum(Ypred == Ytest) / numel(Ytest);
disp(['预测准确率：', num2str(accuracy)]);

在上面的示例中，首先加载了一个样本数据集`fisheriris`，其中包含了150个样本和4个特征。然后，使用`cvpartition`将数据集划分为训练集和测试集。接下来，使用`fitcecoc`函数训练了一个SVM模型，并使用`predict`函数对测试集进行预测。最后，计算了预测准确率。

注意，上述示例中的数据集是用于演示目的的示例数据集，你可以根据自己的数据集进行相应的修改和调整。