我需要一个描述性示例，展示如何对两类数据集进行10折SVM分类。MATLAB文档中只有一个示例，但它不是10折的。有人能帮我吗？

回答：

这是一个完整的示例，使用了生物信息学工具箱中的以下函数：SVMTRAIN，SVMCLASSIFY，CLASSPERF，CROSSVALIND。

load fisheriris                              %# 加载iris数据集
groups = ismember(species,'setosa');         %# 创建一个两类问题
%# 交叉验证折数：
%# 如果你有50个样本，将它们分成10组，每组5个样本，
%# 然后用9组（45个样本）训练，用1组（5个样本）测试。
%# 这将重复十次，每组都恰好用作一次测试集。
%# 最后将10个折的结果平均，产生一个单一的
%# 性能估计。
k=10;
cvFolds = crossvalind('Kfold', groups, k);   %# 获取10折CV的索引
cp = classperf(groups);                      %# 初始化性能跟踪器
for i = 1:k                                  %# 对于每个折
    testIdx = (cvFolds == i);                %# 获取测试实例的索引
    trainIdx = ~testIdx;                     %# 获取训练实例的索引
    %# 在训练实例上训练一个SVM模型
    svmModel = svmtrain(meas(trainIdx,:), groups(trainIdx), ...
                 'Autoscale',true, 'Showplot',false, 'Method','QP', ...
                 'BoxConstraint',2e-1, 'Kernel_Function','rbf', 'RBF_Sigma',1);
    %# 使用测试实例进行测试
    pred = svmclassify(svmModel, meas(testIdx,:), 'Showplot',false);
    %# 评估并更新性能对象
    cp = classperf(cp, pred, testIdx);
end
%# 获取准确率
cp.CorrectRate
%# 获取混淆矩阵
%# 列：实际，行：预测，最后一行：未分类实例
cp.CountingMatrix

输出结果为：

ans =      0.99333
ans =   100     1     0    49     0     0

我们获得了99.33%的准确率，只有一个’setosa’实例被误分类为’non-setosa’

更新：在R2013a版本中，SVM函数已移至统计工具箱