MATLAB 支持向量机

MATLAB提供了一个强大的机器学习工具箱，其中包括支持向量机（Support Vector Machines, SVM）的实现。SVM是一种用于分类和回归分析的监督学习方法，其目标是找到一个最优的超平面来划分数据集。

在MATLAB中，你可以使用`fitcsvm`函数来训练一个支持向量机模型。该函数需要输入训练数据以及相应的标签，并可以选择不同的内核函数（例如线性、多项式、高斯径向基等）来适应不同类型的数据。训练完成后，你可以使用训练好的模型进行预测，并评估模型的性能。

以下是一个简单的示例代码，展示了如何在MATLAB中使用支持向量机进行分类：

% 准备训练数据和标签
X = [1 2; 2 3; 3 3; 2 1; 3 2; 4 1];
Y = [1; 1; 1; -1; -1; -1];

% 训练支持向量机模型
svmModel = fitcsvm(X, Y);

% 预测新样本
newX = [2.5 2.5; 3.5 1.5];
predictedLabels = predict(svmModel, newX);
disp(predictedLabels);

这段代码中，我们首先定义了训练数据`X`和相应的标签`Y`，然后使用`fitcsvm`函数训练了一个支持向量机模型`svmModel`。最后，我们使用`predict`函数对新样本`newX`进行预测，并输出预测的标签。

当然，这只是一个简单的示例。在实际应用中，你可能需要进行更多的数据预处理、参数调优和模型评估工作。MATLAB提供了丰富的函数和工具，帮助你完成这些任务，并使用支持向量机解决实际问题。