支持向量机matlab例子

好的，以下是一个简单的支持向量机的 Matlab 例子：

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

% 将数据分为训练集和测试集
cv = cvpartition(Y,'HoldOut',0.3);
idx = cv.test;

Xtrain = X(~idx,:);
Ytrain = Y(~idx,:);
Xtest  = X(idx,:);
Ytest  = Y(idx,:);

% 训练 SVM 模型
SVMModel = fitcsvm(Xtrain,Ytrain);

% 预测测试集
Ypred = predict(SVMModel,Xtest);

% 计算准确率
accuracy = sum(Ypred == Ytest)/length(Ytest)

% 可视化分类结果
figure;
gscatter(Xtest(:,1),Xtest(:,2),Ypred);
hold on;
h = ezplot(@(x1,x2)predict(SVMModel,x1,x2]),get(gca,'XLim'),get(gca,'YLim'));
title(sprintf('Accuracy = %.2f%%',accuracy*100));
legend('Versicolor','Virginica','Boundary');

相关问题

支持向量机matlab实现例子

以下是一个在MATLAB中实现支持向量机的简单示例：

% 加载数据集
load fisheriris
X = meas(:,3:4);   % 使用花萼长度和花瓣长度作为特征
Y = species;

% 将标签转换为类别索引
groups = ismember(Y,'versicolor');
Y = do

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。