svm.zip_Z3J_svm matlab_svm优化_svm超平面

function [ classification ] = SVM_L( train,test ) % 进行SVM线性可分的二分类处理 % 1、首先需要一组训练数据train，并且已知训练数据的类别属性，在这里，属性只有两类，并用1，2来表示。 % 2、通过svmtrain（只能处理2分类问题）函数，来进行分类器的训练 % 3、通过svmclassify函数，根据训练后获得的模型svm_struct，来对测试数据test进行分类 % train=[0 0;2 4;3 3;3 4;4 2;4 4;4 3;5 3;6 2;7 1;2 9;3 8;4 6;4 7;5 6;5 8;6 6;7 4;8 4;10 10]; %训练数据点 % group=[1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2]'; %训练数据已知分类情况 train=[3 4;4 2;4 4;4 3;5 3;6 2;7 1;2 9;3 8;4 6;4 7;5 6;5 8;6 6]; %训练数据点 group=[1,1,1,1,1,1,1,2,2,2,2,2,2,2]'; %训练数据已知分类情况 %与train顺序对应 test=[0 0;2 4;3 3;7 4;8 4;10 10]; %测试数据 %训练分类模型 svmModel = svmtrain(train,group,'kernel_function','linear','showplot',false); %分类测试 classification=svmclassify(svmModel,test,'Showplot',false); end