SVM_RFE循环递归筛选特征

% for j=1:3 %循环10次
%     train=MCI（2:48:）‘;
%     train = ADVSNC‘;
%   for i=1:size（train2） %按列向量归一化 因为每一列代表一类特征（脑区）
%     train（:i）=（train（:i）-min（train（:i）））./（max（train（:i））-min（train（:i）））;
%     %为什么这样计算训练集（归一化到0-1之间）
%   end %做归一化后的结果好
%     train=train;
%     train=trainpearson;
%     train=trainAD;
%     train=trainMCI;

    newdata1=[trainlabel];
    dataREF=newdata1; %将要处理的数据+类标 输入data

    [rawcolumn]=size（dataREF）;
    selected_feat=1:size（train2）;%循环每一列的标志  ????
    newtrain=train;%存储初始data（不含label）
    
%     deleteROIorder=zeros（12435）;%此处数值需要修改
    deleteROIorder=zeros（1column-1）;%此处数值需要修改
    %result.sel_feature=cell（11）;%不曾用到
    iteration=column-2;
%     iteration=2435;
    block=0.1;
    allweight=zeros（column-1column-1）;
    all_feat=zeros（column-1column-1）;
    accuracy=zeros（column-11）;
    %weightchange=zeros（column-11）;%不曾用到
    weight=zeros（1column-1）;
    for k=1:iteration 
        address=1;
        % 建立分类模型
        model= fitcsvm（trainlabel）;%polynomialrbf‘