我们知道SVM的基本原理就是找一个超平面（广义平面）将样本分为几个部分，即分类。

MATLAB中自带SVM包，使用起来也十分方便，假如X是特征矩阵，Y是分类标签（可以是数值（1、2）也可以是string，总之有区别就行。）

二分类代码

SVMModel 

线性分类和非线性分类

我们在训练分类器的时候需要选择是线性分类还是非线性分类，比如如下两种：显然第一种适合线性分类，第二种适合曲线分类，也就是存在“异或”问题，需要映射到高维空间来寻找超平面。这种类似的选择称为“核函数”的选择，fitcsvm命令的KernelFunction可以选择三个核函数：'linear', 'gaussian' (or 'rbf'), 'polynomial'，当然也可以自己编写核函数。核函数的选择是SVM分类器的最重要的参数。

举例：

SVMModel 

分多类情形

%MATLAB自带数据，每一个样本都是两个特征，Y代表其分类，此数据中分类标签为3种。

load 

%%将数据二维展示；%图中不同的颜色即为不同的标签。

figure

%不同分类训练分类器

SVMModels 

%用meshgrid画出网格，并将网格点作为测试样本。计算每个测试样本的得分。

其中scores是一个多行三列的向量，每一列代表此种分类的可能性大小。maxScore代表最可能的分类。

d 

%二维显示训练样本和测试样本。其中将不同的预测分类结果用不同的颜色展示

figure

算法类文章我都会同期更新到个人公众号：宽客塔，欢迎关注~~

这个公众号以前是写金融类消息的，后来因为个人转行，就改为分享机器学习算法知识，也算是边学边写，跟大家共同学习~