这里是对svm的函数做一个使用的总结，为了以后便于翻看。

fitcsvm函数

fitcsvm这个函数是用于训练分类模型的。主要用法有: 1. Mdl = fitcsvm(___,Name,Value) 这个用法就比较容易理解，例子如下： 

SVMmodel = fitcsvm(data3,theclass,'KernelFunction','rbf','BoxConstraint',Inf,'ClassNames',[-1,1]);

**data3**：
是一组用于训练的模型数据，一行作为一组数据。

**theclass**：
是训练数据的标签数据，每一行对应一行数据。

**Name**：
这后面的KernelFunction、BoxConstraint等等都是变量名。

**Value**：
这里的值就为变量的值，比如 `'KernelFunction','rbf'`就代表了核函数选择的是rbf核。

**SVMmodel**：
这个函数的返回值就是一个训练好的模型。

fitrgp函数

fitrgp函数是高斯过程拟合函数，我发现这个函数的效果比较不错，所以介绍一下：

1.gprMdl = fitrgp(X,y) 例子如下： 

regressionGP = fitrgp(trian_x,trian_y,'BasisFunction', 'constant','KernelFunction','matern52','Standardize',true);

**trian_x**:
训练数据，一行作为一组数据。

**trian_y**：
测试数据：每一行对应一行数据。
后面依旧是NAME：Value。再此不赘述。

predict函数

predict函数是进行预测的。主要用法有：

  1. yp = predict(sys,data,K) 这个用法的例子如下： yp = predict(datatest,testlabel)
**datatest**：
为用于测试的数据。

**testlabel**：
是测试数据的标签。

**K**：
这里K没有用到，这个K就是预测地平线，现在我还不知道什么意思，他的默认是1。所以这里没有用到。

**yp**:
预测的输出响应。