matlab里SVM调用了径向基核函数后，怎么设置参数

在 Matlab 中使用径向基核函数的 SVM，需要设置两个参数：惩罚因子 C 和径向基函数的宽度 γ。

1. 惩罚因子 C：该参数控制了分类器的复杂度，C 值越大，分类器的容错率就越低，对误分类的惩罚就越大，可能会导致过拟合。反之，C 值越小，分类器的容错率就越高，对误分类的惩罚就越小，可能会导致欠拟合。可以通过交叉验证的方式来选择一个合适的 C 值。

2. 径向基函数的宽度 γ：该参数控制了径向基函数的变化速度，γ 值越大，径向基函数变化的速度就越快，可能会导致过拟合。反之，γ 值越小，径向基函数变化的速度就越慢，可能会导致欠拟合。同样，可以通过交叉验证的方式来选择一个合适的 γ 值。

在 Matlab 中，可以使用 `fitcsvm` 函数来训练 SVM 模型，并在其中设置 C 和 γ 参数。例如：

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

% 训练 SVM 模型
svmModel = fitcsvm(X,Y,'KernelFunction','rbf','BoxConstraint',1,'KernelScale',0.5);

% 预测测试数据
newX = [min(X(:,1)):0.01:max(X(:,1))]';
newY = [min(X(:,2)):0.01:max(X(:,2))]';
[x1Grid,x2Grid] = meshgrid(newX,newY);
XGrid = [x1Grid(:),x2Grid(:)];
[~,scores] = predict(svmModel,XGrid);

% 可视化分类结果
figure;
h(1:2) = gscatter(X(:,1),X(:,2),Y);
hold on;
h(3) = plot(X(svmModel.IsSupportVector,1),X(svmModel.IsSupportVector,2),'ko','MarkerSize',10);
contour(x1Grid,x2Grid,reshape(scores(:,2),size(x1Grid)),[0 0],'k');
legend(h,{'setosa','versicolor','Support Vectors'});
axis tight;

在上述代码中，`BoxConstraint` 参数用于设置惩罚因子 C（这里设置为 1），`KernelScale` 参数用于设置径向基函数的宽度 γ（这里设置为 0.5）。