matlab svm

在MATLAB中使用支持向量机（SVM）需要使用SVM工具箱。SVM是一种分类算法，可以用于二元分类和多元分类。下面是一个简单的示例来说明如何在MATLAB中使用SVM进行二元分类。

假设我们有两个类的数据集，每个类有两个特征。我们可以使用SVM来训练一个分类器，并使用该分类器对新的数据进行分类。以下是一个简单的示例：

% 创建数据集
X = [randn(50,2)*0.5+ones(50,2);randn(50,2)*0.5-ones(50,2)];
y = [-ones(50,1);ones(50,1)];

% 训练 SVM
svm = fitcsvm(X,y);

% 绘制决策边界
svmplot(svm,X,y);

function svmplot(svm,X,y)
    % 绘制决策边界
    x1 = min(X(:,1)):0.01:max(X(:,1));
    x2 = min(X(:,2)):0.01:max(X(:,2));
    [X1,X2] = meshgrid(x1,x2);
    Y = predict(svm,[X1(:),X2(:)]);
    figure;
    gscatter(X(:,1),X(:,2),y);
    hold on;
    contour(X1,X2,reshape(Y,size(X1)),[0 0],'k');
    title('SVM Decision Boundary');
    hold off;
end

在上面的代码中，我们首先创建了一个数据集，其中有两个类，每个类有两个特征。然后，我们使用`fitcsvm`函数训练了一个SVM分类器。最后，我们使用自定义的`svmplot`函数绘制了决策边界。

该示例只是SVM在MATLAB中使用的一个简单示例。SVM工具箱还提供了许多其他选项和功能，如不同的内核函数和正则化参数。