matlab提取数据做训练集代码

这个问题需要提供更多的信息，比如数据是什么类型，训练集是用来做什么的 (比如分类、回归等)。以下是一些示例代码，可能对你有帮助。

假设数据是一个 csv 文件，包含特征和标签。以下代码将读取数据并将其分成训练集和测试集。

data = readmatrix('data.csv'); % 读取数据
features = data(:, 1:end-1); % 提取特征
labels = data(:, end); % 提取标签

% 随机打乱数据
idx = randperm(size(data, 1));
features = features(idx, :);
labels = labels(idx);

% 划分训练集和测试集
n_train = round(size(data, 1) * 0.8); % 训练集占 80%
train_features = features(1:n_train, :);
train_labels = labels(1:n_train);
test_features = features(n_train+1:end, :);
test_labels = labels(n_train+1:end);

对于分类问题，可以将数据划分为多个类别，然后使用 one-hot 编码将标签转换为向量。以下代码演示了如何将数据分为两个类别 (1 和 2)，并将标签转换为向量。

data = readmatrix('data.csv'); % 读取数据
features = data(:, 1:end-1); % 提取特征
labels = data(:, end); % 提取标签

% 划分为两个类别
class1_idx = find(labels == 1);
class2_idx = find(labels == 2);
class1_features = features(class1_idx, :);
class2_features = features(class2_idx, :);

% 将标签转换为向量
n_samples = size(data, 1);
n_classes = 2;
one_hot_labels = zeros(n_samples, n_classes);
one_hot_labels(class1_idx, 1) = 1;
one_hot_labels(class2_idx, 2) = 1;

如果数据是图像，可以使用 image datastore 函数读取数据，然后将其转换为数组。以下代码演示了如何将图像数据转换为数组，并将其分为训练集和测试集。

imds = imageDatastore('images', 'LabelSource', 'foldernames'); % 读取图像数据
imds.ReadFcn = @(x) imresize(imread(x), [224 224]); % 调整图像大小
[imdsTrain,imdsTest] = splitEachLabel(imds,0.8); % 划分训练集和测试集

% 将图像数据转换为数组
train_features = zeros(numel(imdsTrain.Files), 224, 224, 3);
train_labels = zeros(numel(imdsTrain.Files), 1);
for i = 1:numel(imdsTrain.Files)
    img = readimage(imdsTrain, i);
    train_features(i, :, :, :) = img;
    train_labels(i) = imdsTrain.Labels(i);
end

test_features = zeros(numel(imdsTest.Files), 224, 224, 3);
test_labels = zeros(numel(imdsTest.Files), 1);
for i = 1:numel(imdsTest.Files)
    img = readimage(imdsTest, i);
    test_features(i, :, :, :) = img;
    test_labels(i) = imdsTest.Labels(i);
end

这些示例代码只是为了帮助你入门，具体实现需要根据数据类型和任务的要求进行调整。