SVM3分类程序matlab

以下是一个使用SVM进行3分类的Matlab程序示例：

% 加载数据
load fisheriris
X = meas(:,3:4);
Y = species;

% 将类别标签转换为数字
Y = grp2idx(Y);

% 将数据分为训练集和测试集
cv = cvpartition(Y,'Holdout',0.2);
X_train = X(training(cv),:);
Y_train = Y(training(cv),:);
X_test = X(test(cv),:);
Y_test = Y(test(cv),:);

% 训练SVM模型
SVMModel = fitcecoc(X_train,Y_train);

% 预测测试集数据
Y_pred = predict(SVMModel,X_test);

% 计算分类准确率
accuracy = sum(Y_pred == Y_test) / numel(Y_test);

% 显示分类结果
gscatter(X_test(:,1),X_test(:,2),Y_pred,'rgb','osd');
hold on
gscatter(X_train(:,1),X_train(:,2),Y_train,'rgb','osd');
legend('Class 1','Class 2','Class 3','Location','Best');
hold off

这个程序使用了鸢尾花数据集（`fisheriris`），其中包含了4个特征和3个类别。首先，我们将数据分为训练集和测试集。然后，我们使用`fitcecoc`函数训练一个多类别的SVM模型。接下来，我们使用训练好的模型对测试集进行预测，并计算分类准确率。最后，我们使用`gscatter`函数将测试集和训练集的数据点可视化，并用不同的颜色表示不同的类别。