支持向量机matlab实例

以下是一个支持向量机的MATLAB实例：

% 创建一个简单的二分类数据集
X = [1 1; 2 2; 3 3; 4 4; 5 5; 1 5; 2 4; 4 2; 5 1];
Y = [1; 1; 1; 1; 1; -1; -1; -1; -1];

% 训练支持向量机模型
svmModel = fitcsvm(X, Y);

% 绘制决策边界和支持向量
figure;
gscatter(X(:,1), X(:,2), Y, 'rb', 'o+');
hold on;
h = svmModel.SupportVectors;
plot(h(:,1), h(:,2), 'ko', 'MarkerSize', 10);
sv = svmModel.SupportVectorIndices;
legend('Class 1', 'Class -1', 'Support Vector');
title('Support Vector Machine');
hold off;

这个例子创建了一个简单的二分类数据集，并使用`fitcsvm`函数训练了一个支持向量机模型。然后，使用`gscatter`函数绘制了数据点和类别，使用`plot`函数绘制了支持向量，最后使用`legend`和`title`函数添加了图例和标题。

相关问题

svm支持向量机matlab实例

Sure, 我可以为您提供一些SVM支持向量机Matlab实例。在Matlab中，有许多支持向量机工具箱可以使用，其中一些包括：

1. svmtrain和svmpredict函数：可以使用这些函数进行支持向量机培训和预测。这两个函数均可在Matlab的statistical和machine learning toolbox中找到。

2. fitcsvm函数：这个函数也是一个支持向量机的实现，可以在统计和机器学习工具箱中找到。它比 svmtrain 和 svmpredict 函数更加灵活，可以使用不同的内核函数和其他选项。

3. 还有其他一些SVM实现，比如libsvm和Svmtoolbox等，这些工具箱也可以帮助你使用SVM进行分类和回归。

以上是一些Matlab中支持向量机的实现方式，希望对您有所帮助。