Matlab的svmtrain从数据集中抽样训练样本和测试样本的方法

% 装载特征数据
load fisheriris
%取数据的前两个属性列
X = [meas(:,1), meas(:,2)];
% 获取Setosa类数据在species中的标记，Y中存储的相应位置的出现或不出现（True or False）
Y = nominal(ismember(species,'setosa'));
% 随机数据分组为训练组和测试组，测试组占20% % 数据分组（set using stratified holdout）
P = cvpartition(Y,'Holdout',0.20);
% 使用线性分类器创建svm结构，并训练
svmStruct = svmtrain(X(P.training,:),Y(P.training),'showplot',true);
%用测试数据验证训练的分类器性能 C = svmclassify(svmStruct,X(P.test,:),'showplot',true);
%统计分类错误率 mis-classification rate
errRate = sum(Y(P.test)~= C)/P.TestSize
%计算混淆矩阵 the confusion matrix
conMat = confusionmat(Y(P.test),C)