svmtrain(1,2,3,4,5,6)
可见该训练模型函数有6个参数的得到训练model。
1.第一个是需要训练的数据(a1,a2,a3...) ai=(x1,x2,x3...)(xi代表不同的属性值)
2.第二个参数是训练数据的标记lambel，一般是-1和+1。注意的是第一第二参数一般都要进行导致(数据标准化)，且统一行或列(如lambel是以列表示，那么a向量也要是(a1,a2,a3...)的转置表示)
3.第三个参数可选：
'rbf_sigma' A positive number specifying the scaling factor in the Gaussian radial basis function kernel. Default is 1.
确定一个基准于内核函数的可缩放的高斯径向，默认是1
'polyorder' A positive integer specifying the order of the polynomial kernel. Default is 3.
确定一个内核多项式最有可能的项数
'mlp_params' A vector [P1 P2] specifying the parameters of MLP kernel. The MLP kernel takes the form: K = tanh(P1UV' + P2), where P1 > 0 and P2 < 0. Default is [1,-1].
设置这个MLP内核的权重向量
'method' A string specifying the method used to find the separating hyperplane. Choices are:
采用制定的方法去选择超平面
4.可选参数：
'SMO' - Sequential Minimal Optimization (SMO) method (default). It implements the L1 soft-margin SVM classifier.
顺序最小优化是默认的方法，他实现了间隔软化分类
'QP' - Quadratic programming (requires an Optimization Toolbox license). It implements the L2 soft-margin SVM classifier. Method 'QP' doesn't scale well for TRAINING with large number of observations.（二次规划）
'LS' - Least-squares method. It implements the L2 soft-margin SVM classifier.
最小二乘方法，也是软间隔分类。
5.第五个参数：
如填Kernel_Function则要选择一个内核函数
6.第六个参数
可选参数：
'linear' - Linear kernel or dot product (default). In this case, svmtrain finds the optimal separating plane in the original space.
线性内核函数或者是点积形式，这是默认参数。它会找到一个最佳的分离的平面在原始数据中。
'quadratic' - Quadratic kernel（二次核函数）
'polynomial' - Polynomial kernel with default order 3. To specify another order, use the 'polyorder' argument.
多项式核函数，默认是3阶，如果需要提升，在‘2’进行参数设置
'rbf' - Gaussian Radial Basis Function with default scaling factor 1. To specify another scaling factor, use the 'rbf_sigma' argument.
高斯径向核函数，默认核宽为1，在‘rbf_sigma’可以进行参数设置
'mlp' - Multilayer Perceptron kernel (MLP) with default weight 1 and default bias -1. To specify another weight or bias, use the 'mlp_params' argument.
多层感知核函数，默认权重1，偏好-1
