基于 MATLAB 实现的 SVM 支持向量机模型训练和测试

基于 MATLAB 实现的 SVM 支持向量机模型训练和测试

SVM（支持向量机）是一种常用的分类算法，其主要思想是通过非线性映射将样本映射到高维空间中，然后在该高维空间中找出一个最优超平面，将不同类别的样本分开。

本文章将介绍如何用 MATLAB 实现 SVM 支持向量机模型的训练和测试，并提供相应的源代码。

首先，我们需要准备数据集。这里使用经典的鸢尾花数据集作为例子。鸢尾花数据集包含了 3 类共 150 个样本，每个样本包含了 4 个属性特征（sepal length、sepal width、petal length 和 petal width），并且已经被明确地分成了三类（setosa、versicolor 和 virginica）。

% Load Iris dataset
load fisheriris

% Extract features and labels
X = meas;
Y = species;

% Convert labels to numeric values
Y(strcmp(Y,‘setosa’)) = -1;
Y(strcmp(Y,‘versicolor’)) = 0;
Y(strcmp(Y,‘virginica’)) = 1;
Y = str2double(Y);

接下来，我们将数据集分为训练集和测试集，以便进行模型训练和测试。

% Split dataset into training set and test set
cv = cvpartition(size(X,1),‘HoldOut’,0.3);
XTrain = X(cv.tr