在MATLAB中使用libsvm做回归预测

最新推荐文章于 2025-05-27 15:15:08 发布

我的科研之路

最新推荐文章于 2025-05-27 15:15:08 发布

阅读量2w

点赞数 12

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/peilebaobei/article/details/53645417

本文通过一个具体的SVM回归示例介绍了如何生成回归数据、构建回归模型并评估模型的预测能力。文中详细展示了使用SVM进行回归分析的具体步骤，包括模型训练及验证，并通过图表直观地比较了原始数据与回归数据之间的差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看到大家都说分类和回归是一样的，会分类就会回归。但是可能是我太笨了吧，弄了一天各种查资料，还是不知道该咋弄，终于初步的实现回归的例子，写一下吧，不然怕忘了。

一个经典的回归的例子是这样的：

tic;
close all;
clear;
clc;
format compact;
%%

% 生成待回归的数据
x = (-1:0.1:1)';
y = -x.^2;

% 建模回归模型
model = svmtrain(y,x,'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01');

% 利用建立的模型看其在训练集合上的回归效果
[py,mse,devalue] = svmpredict(y,x,model);
figure;
plot(x,y,'o');
hold on;
plot(x,py,'r*');
legend('原始数据','回归数据');
grid on;

% 进行预测
testx = [1.1,1.2,1.3]';
display('真实数据')
testy = -testx.^2

[ptesty,tmse,detesvalue] = svmpredict(testy,testx,model);
display('预测数据');
ptesty

%%
toc