SVM支持向量机matlab代码运用软间隔的代码

以下是使用 MATLAB 实现支持向量机（SVM）的软间隔分类器的示例代码：

% 加载数据集
load fisheriris
X = meas(:,3:4); 
Y = species;

% 将标签转换为二进制类别
Y = double(strcmp(Y,'versicolor'));

% 定义软间隔支持向量机分类器
SVMModel = fitcsvm(X,Y,'KernelFunction','rbf',...
                   'BoxConstraint',1,'ClassNames',[0,1]);

% 绘制决策边界
h = 0.02; % 网格步长
[x1Grid,x2Grid] = meshgrid(min(X(:,1)):h:max(X(:,1)),...
    min(X(:,2)):h:max(X(:,2)));
xGrid = [x1Grid(:),x2Grid(:)];
[~,scores] = predict(SVMModel,xGrid);
figure;
h(1:2) = gscatter(X(:,1),X(:,2),Y,'rb','.');
hold on
contour(x1Grid,x2Grid,reshape(scores(:,2),size(x1Grid)),[0 0],'k');
title('Soft Margin SVM Decision Boundary');
legend('versicolor','not versicolor','Decision Boundary');
axis tight
hold off

在这个例子中，我们加载了 Fisher's iris 数据集的前两个特征，并将标签转换为二进制类别。我们使用了径向基函数（RBF）内核函数，并将 BoxConstraint 参数设置为 1，以生成软间隔支持向量机分类器。最后，我们使用 meshgrid 函数生成网格点，并使用 predict 函数计算每个网格点的分数。我们将分数可视化为决策边界，其中分数为 0 的点表示决策边界。