matlab支持向量机三分类代码

在 MATLAB 中，对于三分类问题（multi-class classification），我们可以采用一对多（one-vs-all, OVA）策略或者一对一（one-vs-one, OVO）策略。这里我们演示一下 OVA 方法的示例代码：

首先，假设你已经有一个三分类数据集 `X` 和相应的标签向量 `y`（1, 2, 3 表示三个类别）。我们将分别创建两个二分类 SVM 模型，每个模型用于区分两个类别对：

% 将三分类问题拆分为两个二分类问题
labels = unique(y); % 获取所有类别
num_classes = length(labels);

% 创建空的分类器数组
classifiers = cell(1, num_classes - 1);

for i = 1:num_classes - 1
    for j = i + 1:num_classes
        % 训练当前类别对的二分类 SVM
        X_train = X(~ismember(y, labels(i:i+1)), :);
        y_train = double(ismember(y, labels(j)))';
        
        % 对应的测试数据
        X_test = X(ismember(y, labels(i:i+1)), :);
        y_test = double(ismember(y, labels(i:i+1)))';
        
        model = fitcsvm(X_train, y_train, 'KernelFunction', 'linear'); % 线性核为例
        
        % 存储分类器
        classifiers{i, j} = model;
    end
end

然后，你可以通过多数投票的方式确定样本属于哪一类：

function predicted_class = predict_mva(classifiers, X)
    votes = zeros(numel(X), 1);
    
    for i = 1:size(classifiers, 1)
        for j = i + 1:size(classifiers, 1)
            vote = predict(classifiers{i, j}, X);
            votes(vote == 1) = i; % 投票给赢家
            votes(vote == -1) = j; % 投票给输家
        end
    end
    
    [~, predicted_class] = max(cumsum(votes, 2));
end

% 测试分类器
predicted_y = predict_mva(classifiers, X_test);