Sbm模型的matlab 代码

SVM (支持向量机) 模型在MATLAB中通常通过 Statistics and Machine Learning Toolbox 来实现。以下是一个简单的线性SVM分类器的MATLAB代码示例：

% 导入所需库
addpath('toolbox_path'); % 需要替换为实际工具箱路径

% 加载数据集（假设名为data.csv）
data = readtable('data.csv');
X = data(:,1:end-1); % 特征矩阵
y = data(:,end);     % 类别标签

% 数据预处理（如归一化、划分训练集和测试集等）

% 创建SVM模型
svmModel = fitcsvm(X, y, 'KernelFunction', 'linear'); % 使用线性内核

% 训练模型
[svmModel, info] = fitcecoc(X, y); % 如果类别数大于2，可以使用one-vs-one策略

% 测试模型
predictedLabels = predict(svmModel, X_test);

% 查看性能指标
confMat = confusionmat(y_test, predictedLabels);
accuracy = sum(diag(confMat))/sum(confMat(:));

% 打印混淆矩阵和准确率
disp(confMat);
fprintf('Accuracy: %.2f%%\n', accuracy * 100);

请注意，这只是一个基础示例，实际应用中可能需要对数据进行更详细的预处理，并根据需求调整超参数。此外，如果需要非线性SVM，只需将`'KernelFunction'`改为其他选项，如 `'rbf'` 或 `'poly'`。