matlab最小二乘支持向量机工具箱

⑴ matlab最小二乘法工具箱在哪找不到

这些在matlab的帮助文件里都有说明的，直接在help菜单里搜RMSE就找到了，而且那几个统计量都在

⑵ 最小二乘法在matlab中怎么实现啊

matlab中用最小二乘拟合的常用函数有polyfit（多项式拟合）、nlinfit（非线性拟合）以及regress（多元线性回归）。自变量有个或以上时，应变量一个，可以使用的有nlinfit和regress，线性时用regress，非线性时用nlinfit。对于进阶matlab使用者还有更多的选择，如拟合工具箱、fit函数、interp系列插值拟合等等。

具体介绍一下regress

regress虽然名义上只能做线性回归但是可以把x^2等非线性量作为一个额外自变量做计算，因此在一些特殊情况下也可以做非线性拟合。

以matlab自带的数据为样本，示例代码如下：（%后面的是注释）

clc;clear;

load carsmall%此数据样本matlab自带

x=Weight;y=Horsepower;z=MPG;%取这3个变量作为拟合对象，x、y自变量，z应变量

plot3(x,y,z,'p');

hold on;

c=ones(length(x),1);

b=regress(z,[x,y,c]);%纯线性拟合 模型z=b(1)*x+b(2)*y+b(3)

[X,Y]=meshgrid(linspace(1500,5000,10),linspace(40,240,10));

C=ones(10);

mesh(X,Y,b(1)*X+b(2)*Y+b(3)*C);

grid on;

b=regress(z,[x.^2,y.^2,x.*y,x,y,c]);%添加非线性项进行拟合

figure

plot3(x,y,z,'p');

hold on;

mesh(X,Y,b(1)*X.^2+b(2)*Y.^2+b(3)*X.*Y+b(4)*X+b(5)*Y+b(6)*C);

grid on;

⑶ 关于matlab的SVM工具箱的几个函数

能不用自带函数不，给你个最小二乘支持向量机的自编代码
clear all;
clc;
N=35; %样本个数
NN1=4; %预测样本数
%********************随机选择初始训练样本及确定预测样本*******************************
x=[];
y=[];
index=randperm(N); %随机排序N个序列
index=sort(index);
gama=23.411; %正则化参数
deita=0.0698; %核参数值
%thita=; %核参数值
%*********构造感知机核函数*************************************
%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
%*********构造径向基核函数**************************************
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
%*********构造多项式核函数****************************************
%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
%*********构造核矩阵************************************
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); %模型参数
for i=1:N-NN1
aipha(i)=C(i+1); %模型参数，行向量
end
%*******************************************
for i=1:N %预测模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

⑷ 请会用matlab最小二乘支持向量机的高手帮个忙啊！

一方面，这跟什么训练精度无关，跟你输出向量有关，如果输出是白噪声，你怎么拟合都不可能得到好结果，所以拟合的结果跟输出也有关系。

另一方面，你用10行2列可以得到较好结果，说明10行6列虽然有可能提高拟合的自由度，但也引入了更多的不确定性。

可以试试robust regression，搜一搜相关的用法，不详述了。

⑸ 求助半监督最小二乘支持向量机的MATLAB程序

支持向量机 1 简介 支持向量机基本上是最好的有监督学习算法了。最开始接触SVM是去年暑假的时候，老师要求交《统计学习理论》的报告，那时去网上下了一份入门教程，里面讲的很通俗，当时只是大致了解了一些相关概念。这次斯坦福提供的学习材料，...

⑹ MATLAB中LS-SVM工具箱的问题

LS-SVM是什么，题主随便搜索一下就应该知道了啊。。。

LS-SVM是的缩写，中文翻译成“最小二专乘支持向量属机”，用于非线性分类、回归、时间序列预测和无监督学习等领域。

至于那两个函数，trainlssvm用来训练得到模型，simlssvm则用trainlssvm训练得到的model为测试集分类或者进行函数拟合（和神经网络中的概念类似）。

工具箱里面有相应的演示程序（名字都以demo开头），您可以结合具体的例子去学习。

附件是一个关于该工具箱的说明，供参考。