SVM的二分类问题（fitcsvm）

基于支持向量机SVM的二分类问题（fitcsvm函数）

matlab2018及之后的版本取消了svmtrain和svmclassify函数，取而代之的更多的fitcsvm和predict函数。但是也使得决策边界无法直接生成，需要根据fitcsvm中得到的参数画出决策边界。

线性二分类

问题1：编写程序，用SVM方法解决线性二分类问题
数据集：testSet-linear.txt。
要求：给出代码、数据集分布示意图、支撑向量坐标及图示、决策边界图示

数据集为100*3，前两列为数据的坐标，第三列为数据标签（1、-1）。保存在文本文件中。

代码实现

close all
clear
clc
%% 数据部分
data=load('testSet-linear.txt');
sd=data(:,1:2);
y=data(:,3);
Y=nominal(y);　　%标签

%% 原始数据图像
subplot(1,2,1)
gscatter(sd(:,1),sd(:,2),Y,'rg','+*');

%%  SVM
SVMModel=fitcsvm(sd,Y,'KernelFunction','linear');
[lable,score]=predict(SVMModel,sd);

%% 画图
subplot(1,2,2)
h = nan(3,1);