求助LS_SVMlab最后成图的问题。。。plotlssvm

abc13355

小弟初学svm，只是硬性的套用，请高手帮忙分析下下列程序
clc
clear
close all
%---------------------------------------------------
% 产生训练样本与测试样本，每一列为一个样本
n1 = [74.2500   69.5000   79.5000   80.5000   84.2500   85.7500   83.5000   82.5000   80.7500   86.0000   89.7500   88.7500
   65.5000   67.5000   71.5000   73.5000   72.0000   85.0000   75.7500   80.7500   79.7500   77.2500   88.5000   90.7500
   75.7500   68.0000   78.0000   75.2500   73.0000   80.7500   82.5000   81.0000   81.0000   83.0000   91.7500   89.0000
   70.0000   69.2500   79.2500   74.7500   84.0000   85.2500   83.7500   79.5000   81.0000   84.7500   89.5000   92.2500
   64.5000   70.7500   65.5000   65.7500   84.5000   56.7500   71.7500   87.0000   80.5000   74.5000   89.7500   89.5000
   54.7500   67.0000   76.0000   72.2500   76.5000   76.2500   85.5000   80.7500   84.7500   80.5000   88.7500   91.0000
   72.0000   69.0000   70.5000   74.5000   73.7500   75.0000   77.7500   77.0000   78.0000   80.2500   91.7500   88.7500
   62.5000   58.2500   78.7500   57.7500   68.2500   84.5000   87.7500   72.0000   82.0000   83.2500   91.0000   87.5000
   72.0000   67.5000   78.0000   74.7500   73.7500   82.7500   82.7500   75.7500   81.2500   82.0000   89.7500   89.2500
   68.2500   70.5000   80.2500   73.0000   74.5000   66.0000   82.5000   79.7500   87.0000   81.0000   87.2500   90.5000
   67.5000   68.2500   76.0000   83.0000   74.2500   83.7500   75.0000   82.5000   81.5000   81.0000   89.0000   90.0000
   83.2500   68.2500   82.7500   76.0000   75.0000   82.2500   79.5000   75.5000   81.2500   81.7500   88.7500   90.5000
   84.5000   69.2500   77.7500   77.0000   74.0000   82.0000   74.2500   77.2500   79.7500   79.7500   88.0000   88.7500
   54.7500   56.7500   76.0000   73.0000   72.7500   87.5000   84.7500   82.0000   80.0000   79.0000   89.2500   90.0000
   76.0000   70.5000   74.7500   76.0000   76.0000   88.5000   88.2500   82.0000   80.0000   79.2500   89.2500   90.5000
   67.5000   68.2500   54.5000   76.2500   73.0000   76.0000   82.5000   84.5000   64.7500   81.2500   90.2500   90.5000];
x1 = [1*ones(1,2),2*ones(1,3),3*ones(1,5),4*ones(1,2)];     % 特别注意：这里的目标与神经网络不同
n2 = [ 75.0000   78.2500   89.7500
   73.0000   80.7500   90.7500
   73.5000   84.5000   87.5000
   75.0000   83.0000   89.7500
   75.5000   73.0000   89.0000
   73.0000   80.5000   90.2500
   76.5000   82.7500   89.7500
   62.2500   78.2500   87.5000
   75.5000   80.7500   89.0000
   74.2500   86.0000   90.5000
   75.5000   79.2500   90.5000
   76.0000   78.0000   90.2500
   72.5000   78.5000   91.5000
   81.7500   82.0000   88.7500
   74.0000   84.2500   91.5000
   74.2500   80.5000   88.7500];
x2 = [2*ones(1,1),3*ones(1,1),4*ones(1,1)];     % 特别注意：这里的目标与神经网络不同
xn_train = n1;          % 训练样本
dn_train = x1;          % 训练目标
xn_test = n2;           % 测试样本
dn_test = x2;           % 测试目标
%---------------------------------------------------
% 参数设置
X = xn_train';
Y = dn_train';
Xt = xn_test';
Yt = dn_test';
type = 'c';
kernel_type = 'RBF_kernel';
gam =2     ;
sig2 =2;
preprocess = 'preprocess';
codefct = 'code_OneVsAll';           

[Yc,codebook,old_codebook] = code(Y,codefct)
[gam,sig2] = tunelssvm({X,Yc,type,gam,sig2,kernel_type,preprocess});
[alpha,b] = trainlssvm({X,Yc,type,gam,sig2,kernel_type,preprocess});           % 训练
Yd0 = simlssvm({X,Yc,type,gam,sig2,kernel_type,preprocess},{alpha,b},Xt);      % 分类


得出参数后进行样本测试

Yd1 = dn_test';
Yd2 = code(Yd1,old_codebook,[],codebook);
Xt=[73.5 73 76 73.5 71.5 70.75 74.25 73.75 75.25 74.5 75.25 71.5 71.5 74.75 74.75 74.5
84 79.5 81.5 85 81.75 70.75 83.25 77.5 83 78.5 83.5 80.25 82 85 83 81.75
87.25 89.75 92.75 91.25 88 89.25 87.5 88.5 89 91.25 91.5 88.25 90 91 86.75 86.75];
type = 'c';
kernel_type = 'RBF_kernel';
gam = 4.8841           ;
sig2 =    4.1852;
preprocess = 'preprocess';
codefct = 'code_OneVsAll';
[Yc,codebook,old_codebook] = code(Y,codefct);
Yd2 = simlssvm({X,Yc,type,gam,sig2,kernel_type,preprocess},{alpha,b},Xt);      % 分类

plotlssvm({X,Yc,type,gam,sig2,kernel_type,preprocess},{alpha,b})



出来的结果是
m....Start Plotting...m....Warning: Simulation over the input space results in only one class...
> In plotlssvm at 132
Warning: only first dimension is plotted, for multiclass classification use categorical representation, ev. combined with a coding technique.
> In plotlssvm at 153
finished
请问 是我的数据不对导致的分级只出现一级。。。我仔细看了 源程序的132和153行  可是研究很长时间 没看懂 （zz）是什么   摆摊高手了。。。谢谢