matlab svm

https://cn.mathworks.com/help/stats/support-vector-machines-for-binary-classification.html#bsr5ovw-1

使用支持向量机

    与任何监督式学习模型一样，您首先训练支持向量机，然后交叉验证分类器。 使用训练好的机器对新数据进行分类（预测）。 另外，为了获得令人满意的预测准确性，您可以使用各种SVM内核函数，并且必须调整内核函数的参数。

1、训练SVM分类器

    使用fitcsvm训练并选择交叉验证SVM分类器，最常用的语法是：

SVMModel = fitcsvm(X,Y,'KernelFunction','rbf',...
    'Standardize',true,'ClassNames',{'negClass','posClass'});

The inputs are:

• X — Matrix of predictor data, where each row is one observation, and each column is one predictor.

    预测变量数据矩阵，每行是一个观察值，每列是一个预测变量

• Y — Array of class labels with each row corresponding to the value of the corresponding row in X. Y can be a character array, categorical, logical or numeric vector, or cell vector of character vectors. Column ve