用matlab写一段支持向量机的代码，实现水果分类

当然可以！下面是一个用MATLAB实现支持向量机（SVM）进行水果分类的示例代码：

% 准备训练数据
X = [0.5 0.7; 1.0 1.0; 1.5 0.5; 1.8 1.8; 2.0 1.5; 2.5 2.0]; % 特征矩阵
Y = [-1; -1; -1; 1; 1; 1]; % 类别标签

% 训练支持向量机模型
model = fitcsvm(X, Y);

% 准备测试数据
X_test = [0.8 0.8; 2.2 1.7];

% 预测测试数据的类别
Y_pred = predict(model, X_test);

% 打印预测结果
disp('测试样本的类别预测结果:');
disp(Y_pred);

在上面的代码中，我们首先准备了训练数据 `X` 和对应的类别标签 `Y`，其中 `X` 是一个特征矩阵，每一行代表一个样本，每一列代表一个特征。然后，我们使用 `fitcsvm` 函数训练了一个支持向量机模型。接下来，我们准备了测试数据 `X_test`，并使用训练好的模型进行预测，得到预测结果 `Y_pred`。最后，我们打印出预测结果。

请注意，这是一个简单的示例代码，实际上，水果分类可能需要更多的特征和更多的训练样本来取得更好的性能。同时，还可以通过调整支持向量机模型的参数来进一步改进分类结果。