已知数据为xlsx格式，数据为2列，40行，用matlab分类学习分出正负例

首先，需要将数据导入到 Matlab 中。可以使用 `xlsread` 函数来读取 xlsx 文件，例如：

[data, text, ~] = xlsread('data.xlsx');

这个函数会将 Excel 文件的数值部分读取到 `data` 中，将文本部分读取到 `text` 中。由于这个文件只有两列，我们只需要取第一列和第二列，即正负例的特征向量，然后将其转置，以便后续计算。代码如下：

X = [data(:, 1), data(:, 2)]';

接下来，需要将数据标记为正负例。我们可以在 Excel 文件中用 1 表示正例，用 0 表示负例，然后将其读入 Matlab，然后将其转置，以便后续计算。代码如下：

y = data(:, 3)';

现在，我们可以使用 Matlab 中的分类学习函数来训练模型。这里我们选择使用逻辑回归模型，代码如下：

model = fitglm(X', y, 'Distribution', 'binomial');

这个函数会返回一个逻辑回归模型 `model`，可以使用 `predict` 函数来预测新的样本的标签。例如，如果有一个新的样本，其特征向量为 `[x1, x2]`，可以使用下面的代码来预测其标签：

label = predict(model, [x1; x2]);

其中，`label` 的值为 1 表示正例，为 0 表示负例。

最后，为了评估模型的性能，可以使用 `confusionmat` 函数来计算混淆矩阵。例如，可以使用下面的代码来计算训练集的混淆矩阵：

y_pred = predict(model, X);
C = confusionmat(y, y_pred);

其中，`y_pred` 是模型对训练集的标签预测结果，`C` 是混淆矩阵。可以使用 `C` 来计算模型的准确率、召回率等性能指标。