%svm?model
clc
clear?all
close?all
load?new_data
N?=?size（newX1）;%樣本總數
N_train?=?ceil（N*0.75）;%選取75%的樣本用于訓練
temp?=?randperm（N）;%生成隨機向量
data_train?=?newX（temp（1:N_train）[12]）;%訓練數據
group_train?=?newX（temp（1:N_train）3）;%訓練數據的標簽
data_test?=?newX（temp（N_train+1:end）[12]）;%測試數據
group_test?=?newX（temp（N_train+1:end）3）;%測試數據的標簽
%------------------------線性核函數--------------------------%
%subplot（221）;
svmStruct1?=?svmtrain（data_traingroup_train‘showplot‘true）;%線性SVM訓練
Classes1?=?svmclassify（svmStruct1data_test‘showplot‘true）;%線性SVM分類結果
%title（‘線性核函數‘）;
xlabel（‘特征1‘）ylabel（‘特征2‘）
CorrectRate1=sum（group_test==Classes1）/（N-N_train）
%------------------------高斯核函數--------------------------%
%subplot（222）;
figure
svmStruct2?=?svmtrain（data_traingroup_train‘Kernel_Function‘‘rbf‘‘rbf_sigma‘0.5‘showplot‘true）;%高斯徑向基核函數訓練
Classes2?=?svmclassify（svmStruct2data_test‘showplot‘true）;
%title（‘高斯徑向基核函數核寬=0.5‘）;
xlabel（‘特征1‘）ylabel（‘特征2‘）
CorrectRate2=sum（group_test==Classes2）/（N-N_train）
%--------