matlab鸢尾花二分类怎么做

鸢尾花数据集（Iris）是机器学习中常用的数据集之一，它包含了3种不同的鸢尾花品种的4个特征（萼片和花瓣的长度和宽度），每个品种有50个样本。鸢尾花数据集可以用于分类问题，下面是Matlab中实现鸢尾花二分类的一种方法：

1. 载入数据集

在Matlab中，可以使用`load`函数载入数据集：

load fisheriris

2. 数据预处理

对数据进行预处理，包括数据清洗、缺失值处理等。在这个案例中，鸢尾花数据集没有缺失值，因此可以略过这个步骤。

3. 特征提取

从鸢尾花数据集中提取特征，即使用花瓣和萼片的长度和宽度四个特征。可以使用如下代码提取特征：

features = meas(:,3:4);

4. 标签处理

将鸢尾花数据集中的3种不同品种分为2类，可以将第1类和第2类合并为一类，第3类作为另一类。可以使用如下代码处理标签：

labels = ~strcmp(species,'setosa');

5. 数据集划分

将数据集分为训练集和测试集，可以使用`cvpartition`函数实现：

cvp = cvpartition(labels,'HoldOut',0.3);
idxTrain = training(cvp);
idxTest = test(cvp);

6. 模型训练和预测

使用支持向量机（SVM）算法训练模型，并在测试集上进行预测：

mdlSVM = fitcsvm(features(idxTrain,:),labels(idxTrain),'Standardize',true);
predictions = predict(mdlSVM,features(idxTest,:));

7. 模型评价

使用混淆矩阵评价模型的性能：

C = confusionmat(labels(idxTest),predictions);
accuracy = sum(diag(C))/sum(C(:));

以上是一种基于SVM算法的鸢尾花二分类方法，实际上还有很多其他方法，如逻辑回归、决策树等。