matlab的支持向量机代码

在MATLAB中，你可以使用内置的`fitcsvm`函数来创建和支持向量机（SVM）模型。以下是一个简单的支持向量机分类的基本代码示例，假设我们有一个训练数据集`Xtrain`和对应的标签`Ytrain`：

% 加载并准备数据
load fisheriris; % 使用自带的数据集，替换为你实际的数据
X = meas; % 特征矩阵
Y = species; % 类别标签

% 划分数据集（这里简单粗暴地分为训练集和测试集）
cv = cvpartition(Y, 'HoldOut', 0.3); % 30%作为测试集
idxTrain = training(cv);
XTrain = X(idxTrain,:);
YTrain = Y(idxTrain);

% 创建SVM模型
svmModel = fitcsvm(XTrain, YTrain, 'KernelFunction', 'linear'); % 线性核，也可以选择'radial'等

% 预测测试集
XTest = X(~idxTrain,:);
YPred = predict(svmModel, XTest);

% 查看性能指标
confMat = confusionmat(Y(~idxTrain), YPred);
accuracy = sum(diag(confMat)) / sum(confMat(:));

在这个例子中，`fitcsvm`函数设置了线性内核（'linear'），你可以通过改变`KernelFunction`参数来尝试其他内核，如径向基函数（'radial'）。最后，我们通过预测新数据并计算混淆矩阵来评估模型的性能。