matlab2016a设计线性分类器对线性可分样本集进行分类，样本 数目 10 个以上，训练及分类步骤齐全，绘制测试集和训练集分类图像，记录分类器训练的迭代次数和训练时间

好的，以下是一个完整的示例代码，用于在Matlab2016a中设计线性分类器对线性可分样本集进行分类，并绘制训练集和测试集的分类图像，同时记录分类器训练的迭代次数和训练时间。

% 创建样本数据
X_train = [1 1; 2 2; 3 3; 4 4; 5 5; 6 6; -1 -1; -2 -2; -3 -3; -4 -4];
Y_train = [1; 1; 1; 1; 1; 1; -1; -1; -1; -1];
X_test = [7 7; 8 8; 9 9; -5 -5; -6 -6; -7 -7];
Y_test = [1; 1; 1; -1; -1; -1];

% 训练分类器
tic
svm = fitcsvm(X_train,Y_train,'KernelFunction','linear');
toc

% 记录迭代次数
numIter = svm.NumIterations;

% 进行分类
labels_train = predict(svm,X_train);
labels_test = predict(svm,X_test);

% 显示分类结果
disp('训练集分类结果：');
disp(labels_train');
disp('测试集分类结果：');
disp(labels_test');

% 记录训练时间
trainTime = toc;

% 绘制训练集和测试集分类图像
figure;
gscatter(X_train(:,1),X_train(:,2),labels_train,'rb','+o');
hold on;
gscatter(X_test(:,1),X_test(:,2),labels_test,'rb','*x');
supportVectors = svm.SupportVectors;
plot(supportVectors(:,1),supportVectors(:,2),'ko','MarkerSize',10);
legend('正类','负类','测试集正类','测试集负类','支持向量');
title('训练集和测试集分类图像');
hold off;

在这个示例中，我们创建了一个包含10个训练样本和6个测试样本的数据集，其中前6个训练样本属于正类，后4个训练样本属于负类，前3个测试样本属于正类，后3个测试样本属于负类。我们使用`fitcsvm`函数训练了一个支持向量机分类器，并指定使用线性核函数。我们记录了训练分类器的时间，并使用`NumIterations`属性记录了训练过程中的迭代次数。然后我们使用`predict`函数对训练集和测试集进行分类，并显示分类结果。最后，我们使用`gscatter`函数绘制了训练集和测试集的分类图像，并使用`splot`函数绘制了支持向量。