matlab svm分类后画图

在MATLAB中，可以使用SVM模型进行分类，并通过绘图展示分类结果。首先，需要准备训练数据和测试数据，并将它们分别标记为+1和-1。然后，使用fitcsvm函数训练SVM模型，设置核函数为S形核，并设置gamma为0.5。接下来，使用predict函数对测试数据进行分类预测，并使用scatter3函数将训练数据和测试数据在三维空间中进行可视化。最后，使用fsurf函数绘制超平面和间隔边界。以下是一个示例代码：

% 准备数据
Xtrain = \[训练数据特征\];
Ytrain = \[训练数据标签\];
Xtest = \[测试数据特征\];
Ytest = \[测试数据标签\];

% 训练SVM模型
SVMModel = fitcsvm(Xtrain, Ytrain, 'KernelFunction', 'sigmoid', 'KernelScale', 0.5);

% 对测试数据进行分类预测
Ypred = predict(SVMModel, Xtest);

% 绘制训练数据和测试数据的散点图
figure;
hold on;
scatter3(Xtrain(Ytrain==1,1), Xtrain(Ytrain==1,2), Xtrain(Ytrain==1,3));
scatter3(Xtrain(Ytrain==-1,1), Xtrain(Ytrain==-1,2), Xtrain(Ytrain==-1,3));

% 绘制超平面和间隔边界
syms x1 x2 x3;
fn = (-SVMModel.Bias - SVMModel.Beta(1)*x1 - SVMModel.Beta(2)*x2 - SVMModel.Beta(3)*x3) / SVMModel.Beta(4);
fsurf(fn);
fn1 = (-1 - SVMModel.Bias - SVMModel.Beta(1)*x1 - SVMModel.Beta(2)*x2 - SVMModel.Beta(3)*x3) / SVMModel.Beta(4);
fsurf(fn1, 'r');
fn2 = (1 - SVMModel.Bias - SVMModel.Beta(1)*x1 - SVMModel.Beta(2)*x2 - SVMModel.Beta(3)*x3) / SVMModel.Beta(4);
fsurf(fn2, 'b');

hold off;

请注意，上述代码中的训练数据和测试数据需要根据实际情况进行替换。此外，绘制的图形可能需要根据数据的特点进行调整，以获得更好的可视化效果。
#### 引用[.reference_title]
- *1* [SVM简单代码实现MATLAB](https://blog.csdn.net/weixin_39946429/article/details/115830897)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [Matlab建立SVM，KNN和朴素贝叶斯模型分类绘制ROC曲线](https://blog.csdn.net/tecdat/article/details/128756788)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [处理非线性分类的 SVM一种新方法(Matlab代码实现）](https://blog.csdn.net/weixin_46039719/article/details/126375944)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]