lssvm工具箱的多分類

① LSSVM工具箱和matlab自帶神經網路工具箱的沖突問題

請問一下你的問題解決了嗎？我也遇到這個問題了，糾結啊

② 請問SVM工具箱里的trainlssvm函數的輸入參數model,和輸出參數X,Y分別代表什麼意思呢

你編程也要先把他定義出來，最後才能訓練出來啊

③ matlab lssvm 回歸 有多個因變數 怎麼實現

在matlab中regress（）函數和polyfit（）函數都可以進行回歸分析。 （1）regress（）函數主要用於線性回歸，一元以及多元的。它可以提供更多的信息，殘差之類的。 （2）polyfit（）函數是利用多項式擬合。可以是線性也可以是非線性的。

④ 關於matlab的SVM工具箱的幾個函數

help用法:
在命令輸入窗口輸入： help+空格+函數名
把上邊的函數都help一下就行了
trainlssvm訓練用
simlssvm測試用

⑤ statlssvm工具箱中怎樣求預測值的置信區間

回復 xiezhh 的帖子就是回歸擬合時，求在指定置信度條件下的點預測的預測區間，有沒版有專門的函權數？謝謝了！用regress 可以求系數的置信區間，能不能求預測點的置信區間。數理統計書上有專門的公式，不過有點麻煩！

⑥ 關於matlab中用lssvm做分類問題是參數尋優函數tunelssvm的問題

能不用自帶函數不，給你個最小二乘支持向量機的自編代碼
clear all;
clc;
N=35; %樣本個數
NN1=4; %預測樣本數
%********************隨機選擇初始訓練樣本及確定預測樣本*******************************
x=[];
y=[];
index=randperm(N); %隨機排序N個序列
index=sort(index);
gama=23.411; %正則化參數
deita=0.0698; %核參數值
%thita=; %核參數值
%*********構造感知機核函數*************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=tanh(deita*(x1'*x2)+thita);
% end
%end
%*********構造徑向基核函數**************************************
for i=1:N
x1=x(:,index(i));
for j=1:N
x2=x(:,index(j));
x12=x1-x2;
K(i,j)=exp(-(x12'*x12)/2/(deita*deita));
end
end
%*********構造多項式核函數****************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=(1+x1'*x2)^(deita);
% end
%end
%*********構造核矩陣************************************
for i=1:N-NN1
for j=1:N-NN1
omeiga1(i,j)=K(i,j);
end
end
omeiga2=omeiga1';
omeiga=omeiga2+(1/gama)*eye(N-NN1);
A12=ones(1,N-NN1);
A21=A12';
A=[0 A12;A21 omeiga];
%**************************************
for i=1:N-NN1
B21(i,:)=y(index(i));
end
B=[0;B21];
%********LS-SVM模型的解******************************
C=A\B;
%******
b=C(1); %模型參數
for i=1:N-NN1
aipha(i)=C(i+1); %模型參數，行向量
end
%*******************************************
for i=1:N %預測模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

⑦ libsvm工具箱和lssvm工具箱有什麼區別

1、這兩個意義完全不一樣，lssvm是最小二乘支持向量機，是一種演算法 libsvm是一個支持版向量機的工具集合，權一個庫；
2、LIBSVM是台灣大學林智仁(Lin Chih-Jen)副教授等開發設計的一個簡單、易於使用和快速有效的SVM模式識別與回歸的軟體包，不但提供了編譯好的可在Windows系列系統的執行文件，還提供了源代碼，方便改進、修改以及在其它操作系統上應用；
3、而LSSVM是支持向量機演算法的一種改進版本——即最小二乘支持向量機（Least Squares Support Vector Machine）。

⑧ 為什麼對非線性函數fcm聚類後進行的多個LSSVM建模融合輸出後的誤差比不聚類的單個LSSVM模型誤差大得多

我恰好遇到過這類文獻，感覺這么做就是一個錯誤的做法，聽起來似乎是那麼回事，實際上自己好好分析一下就感覺很不合理，個人感覺有幾個可能的原因：
第一：泛化能力減弱了。 泛化能力是跟樣本數有關系的，樣本越大泛化能力肯定越好。雖然看起來好像分成了幾個部分分別回歸(回歸雖然不是擬合，但當成特殊的擬合也可以)，每一個小部分的回歸（擬合）能力可能會提高，但是整體的形狀肯定沒有一起回歸(擬合)更接近真實的圖像，這就類似於分段曲線擬合一樣，雖然局部的擬合程度高了，但整體看來形狀偏差大了。
第二：融合輸出的影響問題，太多了，不打了，自己想想去吧
第三：考慮一下野值點的影響，自己想吧

第四：如何改進，個人感覺如果能把隸屬度也進行訓練會有可能提高精讀，但是，問題來了，這么多變數，如何優化？

這些是我自己的總結，保證是第一次出現的

⑨ MATLAB中LS-SVM工具箱的問題

LS-SVM是什麼，題主隨便搜索一下就應該知道了啊。。。

LS-SVM是的縮寫，中文翻譯成「最小二專乘支持向量屬機」，用於非線性分類、回歸、時間序列預測和無監督學習等領域。

至於那兩個函數，trainlssvm用來訓練得到模型，simlssvm則用trainlssvm訓練得到的model為測試集分類或者進行函數擬合（和神經網路中的概念類似）。

工具箱裡面有相應的演示程序（名字都以demo開頭），您可以結合具體的例子去學習。

附件是一個關於該工具箱的說明，供參考。