clear; clc; addpath('libsvm-3.25/matlab'); load DATA_PCA_2445M_100.mat; num_DJI_Mavic_2_ZOOM=100; num_DJI_Phantom_4Pro=100; num_Parrot_ANAFI=100; num_XIRO=100; features=data_PCA; %特征 class=[ones(num_DJI_Mavic_2_ZOOM,1);ones(num_DJI_Phantom_4Pro,1)+1;ones(num_Parrot_ANAFI,1)+2;ones(num_XIRO,1)+3]; %类型 这是我准备在matlab中使用的SVM模型去给数据DATA_PCA_2445M_100.mat进行分类操作的，并且得到识别的准确度，请给出我完整的代码

你可以使用以下代码来使用SVM模型对数据进行分类并计算分类准确度：

clear;
clc;
addpath('libsvm-3.25/matlab');
load DATA_PCA_2445M_100.mat;

num_DJI_Mavic_2_ZOOM = 100;
num_DJI_Phantom_4Pro = 100;
num_Parrot_ANAFI = 100;
num_XIRO = 100;

features = data_PCA; % 特征
class = [ones(num_DJI_Mavic_2_ZOOM,1); ones(num_DJI_Phantom_4Pro,1)+1; ones(num_Parrot_ANAFI,1)+2; ones(num_XIRO,1)+3]; % 类型

% 划分训练集和测试集
train_ratio = 0.7; % 训练集比例
[train_indices, test_indices] = crossvalind('Holdout', class, train_ratio);

train_features = features(train_indices,:);
train_class = class(train_indices);

test_features = features(test_indices,:);
test_class = class(test_indices);

% 训练SVM模型
model = svmtrain(train_class, train_features, '-s 0 -t 0');

% 预测测试集
[predicted_class, accuracy, decision_values] = svmpredict(test_class, test_features, model);

% 输出分类准确度
fprintf('分类准确度: %.2f%%\n', accuracy(1));

请确保你已经将libsvm的MATLAB接口添加到MATLAB搜索路径中，并且替换`DATA_PCA_2445M_100.mat`为你的数据文件路径。这段代码将会将数据分为训练集和测试集，并使用SVM模型对测试集进行预测，并输出分类的准确度。