svm鸢尾花调整参数matlab

SVM（支持向量机）在处理鸢尾花数据集时，参数调整是非常关键的一步，因为它可以影响模型的性能和泛化能力。在MATLAB中，我们可以使用`fitcsvm`函数来训练SVM模型，并通过交叉验证来调整参数。以下是一般的步骤：

1. 加载鸢尾花数据集（`load fisheriris`）：

   data = load('fisheriris');
   X = data(:, 1:4); % 特征数据
   Y = data(:, 5); % 类别标签

2. 初始化参数：

   C = [0.1, 1, 10]; % 正则化参数C
   kernel = {'linear', 'rbf', 'poly'}; % 内核类型
   gammas = {'auto', 'scale'}; % rbf和poly内核的gamma值

3. 遍历参数并训练模型：

   bestModel = [];
   bestAccuracy = 0;
   for cIdx = 1:length(C)
       for kernelIdx = 1:length(kernel)
           for gammaIdx = 1:length(gammas)
               options = statset('KernelFunction', kernel{kernelIdx}, ...
                                  'KernelScale', gammas{gammaIdx}, ...
                                  'BoxConstraint', C(cIdx));
               model = fitcsvm(X, Y, 'OptimizeHyperparameters', 'auto', 'Options', options);
               [accuracy, ~] = kfoldLoss(model, X, Y, 'KFold', 5);
               if accuracy > bestAccuracy
                   bestModel = model;
                   bestAccuracy = accuracy;
               end
           end
       end
   end

4. 查看最佳参数和模型性能：

   fprintf('Best Model: %s\n', bestModel.KernelFunction);
   fprintf('Best Accuracy: %.2f%%\n', bestAccuracy * 100);