最小二乘支持向量机（基于MATLAB）

最新推荐文章于 2025-06-02 18:39:57 发布

Justin_YWX

最新推荐文章于 2025-06-02 18:39:57 发布

阅读量1.8w

点赞数 18

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习

本文链接：https://blog.youkuaiyun.com/xq_520/article/details/89284482

需要下载工具箱，我下载的是：LSSVMlabv1_8_R2009b_R2011a，网上随便一搜就可以下载到。

参数gam选取

clc
clear all

%% 导入数据
load('S_Data.mat')     % 预测S含量所用数据

n = 12;   % n 是自变量的个数
m = 1;    % m 是因变量的个数
%% 读取训练数据
train_num = 1600;  %训练样本数
train_Data = S_Data(1:train_num,:);

% 特征值归一化
[train_Input,minI,maxI] = premnmx(train_Data(:,1:n)');

% 构造输出矩阵
[train_Output,minO,maxO] = premnmx(train_Data(:,n+1:end)');

%% 读取测试数据
test_Data = S_Data(train_num+1:end,:);
% 特征值归一化
test_Input = tramnmx(test_Data(:,1:n)',minI,maxI);
% 构造测试输出矩阵
test_Output = tramnmx(test_Data(:,n+1:end)',minO,maxO);

% 选取合适的参数gam
RMSE = []; 
Gam = 1:10:200;
sig = 600; 

for q = 1:20     
    gam = Gam(1,q);
    tic;   %计时开始
    % 用trainlssvm()函数对训练数据进行训练
    [alpha,b] = trainlssvm(train_Input',train_Output',gam,sig);
    SVMtest_Output = simlssvm(test_Input',train_Input',alpha,b,sig);
    toc;   %计时结束

    test_Output = postmnmx(test_Output,minO,maxO);
    SVMtest_Output = postmnmx(SVMtest_Output,minO,maxO);