matlab 多维svm分类代码,SVM多分类（matlab）

1.数据集：采用 matlab2016b 自带数据集：iris鸢尾花、ionosphere电离层数据

2.采用函数 fitcecoc 进行SVM二分类/多分类模型训练；

3.采用10折交叉验证，将Mdl转化为 CVMdl，减少泛化误差

4.将泛化误差ossLoss作为模型的评价指标

示例1：鸢尾花数据集iris

function [CVMdl,oosLoss]=SVM3()

load fisheriris

X = meas; %150*4 ：150个样本，4个特征(萼长、萼宽、瓣长、瓣宽)；meas=measure(长度)

Y = species; %三种属性{'setosa','versicolor','virginica'}；species(种类)

t = templateSVM('Standardize',1); %创建SVM模板t

%训练该模型

Mdl = fitcecoc(X,Y,'Learners',t,'ClassNames',{'setosa','versicolor','virginica'});

%验证该模型

CVMdl = crossval(Mdl); %将模型进行交叉验证，减少过拟合的影响

%显示结果

oosLoss = kfoldLoss(CVMdl) %10折交叉验证得到的泛化误差 oosloss =0.033，效果很好

结果如下：

>> [CVMdl,oosLoss