最小二乘支持向量机LSSVM

最新推荐文章于 2023-06-21 15:49:08 发布

codeQin

最新推荐文章于 2023-06-21 15:49:08 发布

阅读量4k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： matlab

本文链接：https://blog.youkuaiyun.com/qq_42394743/article/details/82220509

本文档展示了如何使用最小二乘支持向量机（LSSVM）进行回归任务。首先，通过删除LSSVM工具箱路径以解决与BPNN网络冲突的问题，然后加载回归数据并进行训练集和测试集划分。接着，设置了LSSVM的参数，并采用RBF核函数进行训练，得到了训练和测试的RMSE值。最后，通过可视化结果进一步展示LSSVM的预测性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

LSSVM - Regression

(注意：将LSSVM工具箱添加到toolbox会造成BPNN网络无法建立])

解决办法：将LSSVM路径删去

load regressionData.mat;
output = output';

%划分数据集
[value,index] = sort(rand(1,2000));
x_train = input(index(1:1800),:);
x_test = input(index(1801:2000),:);
y_train = output(index(1:1800),:);
y_test = output(index(1801:2000),:);

%设置参数
gamma = 10;
sig2 = 0.2;
type = 'function estimation';

%训练模型
[alpha,b] = trainlssvm({x_train,y_train,type,gamma,sig2,'RBF_kernel'});

%模型预测
predict_train = simlssvm({x_train,y_train,type,gamma,sig2,'RBF_kernel'},{alpha,b},x_train);
train_RMSE = sqrt(sum((predict_train-y_train).^2)/size(y_train,1));
predict_test = simlssvm({x_train,y_train,type,gamma,sig2,'RBF_kernel'},{alpha,b},x_test);
test_