MATLAB划分训练集和预测集代码

MATLAB中可以使用 `cvpartition` 函数来划分训练集和预测集。以下是一个示例代码：

% 加载数据
load fisheriris

% 将数据和标签合并
data = [meas, species];

% 随机划分训练集和测试集，80%的数据用于训练，20%的数据用于测试
c = cvpartition(species,'Holdout',0.2);

% 获取训练集和测试集的索引
trainIdx = c.training;
testIdx = c.test;

% 使用训练集进行训练
trainData = data(trainIdx,:);
% 使用测试集进行预测
testData = data(testIdx,:);

在上面的示例代码中，我们使用了 `cvpartition` 函数将数据集划分为训练集和测试集。`cvpartition` 函数的第一个参数是数据集的标签（或分类结果），第二个参数是划分方法，这里我们使用了 Holdout 方法，即将数据集随机分为训练集和测试集。Holdout 方法的第三个参数是测试集的比例，这里我们将测试集比例设置为 0.2，即 20%。

然后，我们可以使用 `training` 方法获取训练集的索引，使用 `test` 方法获取测试集的索引，最后根据索引将数据集划分为训练集和测试集。