帮我编写一个matlab程序，使其可以使用支持向量机将二维数据进行分类

以下是一个简单的MATLAB程序，用于使用支持向量机对二维数据进行分类：

% 生成样本数据
x1 = randn(50,2)*0.5+ones(50,2);
x2 = randn(50,2)*0.5-ones(50,2);
X = [x1;x2];
Y = [ones(50,1);-ones(50,1)];

% 使用支持向量机进行分类
svmModel = fitcsvm(X,Y);
svmModel = fitPosterior(svmModel);

% 生成网格点
[x1Grid,x2Grid] = meshgrid(linspace(-3,3,100),linspace(-3,3,100));
xGrid = [x1Grid(:),x2Grid(:)];

% 预测网格点的类别
[~,score] = predict(svmModel,xGrid);
scoreGrid = reshape(score(:,2),size(x1Grid));

% 绘图
figure;
subplot(1,2,1);
gscatter(X(:,1),X(:,2),Y);
title('原始数据');
subplot(1,2,2);
contour(x1Grid,x2Grid,scoreGrid);
hold on;
gscatter(X(:,1),X(:,2),Y);
colorbar;
title('支持向量机分类结果');

此代码首先生成一些样本数据，然后使用`fitcsvm`函数来训练一个支持向量机模型。然后，程序使用`meshgrid`函数生成一个网格点，然后使用`predict`函数预测这些网格点的类别。最后，程序绘制出原始数据以及分类结果的轮廓图。

在这个例子中，我们使用高斯核函数作为SVM的核函数。如果您想使用其他的核函数，可以在`fitcsvm`函数中使用该函数的参数进行指定。

注意：分类器性能评似乎倾向于较大数据集，特别是如果你要使用非线性核函数。（本答案使用GPU加速）