matlab感知器算法二分类

感知器是一种简单的二分类算法，它可以用于解决线性可分问题。在 MATLAB 中，可以使用 `fitcsvm` 函数来实现感知器算法。

以下是一个简单的示例代码，演示如何使用感知器算法对二分类数据进行分类：

% 加载示例数据
load fisheriris
X = meas(51:end,3:4);
Y = (strcmp('versicolor',species(51:end)))-1;

% 训练感知器模型
mdl = fitcsvm(X,Y,'KernelFunction','linear','ClassNames',[-1,1]);

% 绘制决策边界
h = 0.02;
x1range = min(X(:,1)):h:max(X(:,1));
x2range = min(X(:,2)):h:max(X(:,2));
[x1,x2] = meshgrid(x1range,x2range);
[~,scores] = predict(mdl,[x1(:),x2(:)]);
figure;
hold on;
contour(x1,x2,reshape(scores(:,2),size(x1)),[0 0],'k');
scatter(X(Y==0,1),X(Y==0,2),'bo');
scatter(X(Y==1,1),X(Y==1,2),'rx');

在上面的示例中，我们使用了鸢尾花数据集的一部分，其中包括两个类别的样本。使用 `fitcsvm` 函数训练了一个感知器模型，并使用 `predict` 函数来计算决策边界。最后，使用 `contour` 函数绘制决策边界，以及 `scatter` 函数绘制样本点。

请注意，感知器算法只适用于线性可分问题，因此在实际应用中可能需要使用更复杂的分类算法。