支持向量机超参数优化代码matlab

这是一个示例的SVM超参数优化代码，使用了网格搜索方法，可以在Matlab中运行：

% 加载数据集
load iris_dataset.mat;

% 定义超参数的范围
C_range = [0.01 0.1 1 10 100];
gamma_range = [0.01 0.1 1 10 100];

% 初始化最佳超参数和最好的准确率
best_C = 0;
best_gamma = 0;
best_accuracy = 0;

% 网格搜索
for i = 1:length(C_range)
    for j = 1:length(gamma_range)
        % 训练SVM模型
        model = fitcsvm(irisInputs, irisTargets, 'KernelFunction', 'rbf', ...
            'BoxConstraint', C_range(i), 'KernelScale', gamma_range(j));

        % 预测并计算准确率
        predictions = predict(model, irisInputs);
        accuracy = sum(predictions == irisTargets)/length(irisTargets);

        % 如果准确率更好，则更新最佳超参数和最好的准确率
        if accuracy > best_accuracy
            best_accuracy = accuracy;
            best_C = C_range(i);
            best_gamma = gamma_range(j);
        end
    end
end

% 输出最佳超参数和最好的准确率
fprintf('Best C: %f, Best gamma: %f, Best Accuracy: %f\n', ...
    best_C, best_gamma, best_accuracy);

这是一个简单的网格搜索实现，你可以根据需要调整超参数的范围和步长。另外，你也可以使用更高级的优化算法（如贝叶斯优化或遗传算法）来寻找最佳超参数。