您好,登錄后才能下訂單哦!
這篇文章主要介紹“matlab怎么實現(xiàn)支持向量機的回歸擬合”,在日常操作中,相信很多人在matlab怎么實現(xiàn)支持向量機的回歸擬合問題上存在疑惑,小編查閱了各式資料,整理出簡單好用的操作方法,希望對大家解答”matlab怎么實現(xiàn)支持向量機的回歸擬合”的疑惑有所幫助!接下來,請跟著小編一起來學(xué)習(xí)吧!
SVM應(yīng)用于回歸擬合分析時,其基本思想不再是尋找一個最優(yōu)分類面使得兩類樣本分開,而是尋找一個最優(yōu)分類面使得所有訓(xùn)練樣本離該最優(yōu)分類面的誤差最小
%% 清空環(huán)境變量
clear
clc
%% 導(dǎo)入數(shù)據(jù)
load concrete_data.mat
% 隨機產(chǎn)生訓(xùn)練集和測試集
n = randperm(size(attributes,2));
% 訓(xùn)練集——80個樣本
p_train = attributes(:,n(1:80))';
t_train = strength(:,n(1:80))';
% 測試集——23個樣本
p_test = attributes(:,n(81:end))';
t_test = strength(:,n(81:end))';
%% 數(shù)據(jù)歸一化
% 訓(xùn)練集
[pn_train,inputps] = mapminmax(p_train');
pn_train = pn_train';
pn_test = mapminmax('apply',p_test',inputps);
pn_test = pn_test';
% 測試集
[tn_train,outputps] = mapminmax(t_train');
tn_train = tn_train';
tn_test = mapminmax('apply',t_test',outputps);
tn_test = tn_test';
%% SVM模型創(chuàng)建/訓(xùn)練
% 尋找最佳c參數(shù)/g參數(shù)
[c,g] = meshgrid(-10:0.5:10,-10:0.5:10);
[m,n] = size(c);
cg = zeros(m,n);
eps = 10^(-4);
v = 5;
bestc = 0;
bestg = 0;
error = Inf;
for i = 1:m
for j = 1:n
cmd = ['-v ',num2str(v),' -t 2',' -c ',num2str(2^c(i,j)),' -g ',num2str(2^g(i,j) ),' -s 3 -p 0.1'];
cg(i,j) = svmtrain(tn_train,pn_train,cmd);
if cg(i,j) < error
error = cg(i,j);
bestc = 2^c(i,j);
bestg = 2^g(i,j);
end
if abs(cg(i,j) - error) <= eps && bestc > 2^c(i,j)
error = cg(i,j);
bestc = 2^c(i,j);
bestg = 2^g(i,j);
end
end
end
% 創(chuàng)建/訓(xùn)練SVM
cmd = [' -t 2',' -c ',num2str(bestc),' -g ',num2str(bestg),' -s 3 -p 0.01'];
model = svmtrain(tn_train,pn_train,cmd);
%% SVM仿真預(yù)測
[Predict_1,error_1] = svmpredict(tn_train,pn_train,model);
[Predict_2,error_2] = svmpredict(tn_test,pn_test,model);
% 反歸一化
predict_1 = mapminmax('reverse',Predict_1,outputps);
predict_2 = mapminmax('reverse',Predict_2,outputps);
% 結(jié)果對比
result_1 = [t_train predict_1];
result_2 = [t_test predict_2];
%% 繪圖
figure(1)
plot(1:length(t_train),t_train,'r-*',1:length(t_train),predict_1,'b:o')
grid on
legend('真實值','預(yù)測值')
xlabel('樣本編號')
ylabel('耐壓強度')
string_1 = {'訓(xùn)練集預(yù)測結(jié)果對比';
['mse = ' num2str(error_1(2)) ' R^2 = ' num2str(error_1(3))]};
title(string_1)
figure(2)
plot(1:length(t_test),t_test,'r-*',1:length(t_test),predict_2,'b:o')
grid on
legend('真實值','預(yù)測值')
xlabel('樣本編號')
ylabel('耐壓強度')
string_2 = {'測試集預(yù)測結(jié)果對比';
['mse = ' num2str(error_2(2)) ' R^2 = ' num2str(error_2(3))]};
title(string_2)
%% BP 神經(jīng)網(wǎng)絡(luò)
% 數(shù)據(jù)轉(zhuǎn)置
pn_train = pn_train';
tn_train = tn_train';
pn_test = pn_test';
tn_test = tn_test';
% 創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)
net = newff(pn_train,tn_train,10);
% 設(shè)置訓(xùn)練參數(shù)
net.trainParam.epcohs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.show = 10;
net.trainParam.lr = 0.1;
% 訓(xùn)練網(wǎng)絡(luò)
net = train(net,pn_train,tn_train);
% 仿真測試
tn_sim = sim(net,pn_test);
% 均方誤差
E = mse(tn_sim - tn_test);
% 決定系數(shù)
N = size(t_test,1);
R2=(N*sum(tn_sim.*tn_test)-sum(tn_sim)*sum(tn_test))^2/((N*sum((tn_sim).^2)-(sum(tn_sim))^2)*(N*sum((tn_test).^2)-(sum(tn_test))^2));
% 反歸一化
t_sim = mapminmax('reverse',tn_sim,outputps);
% 繪圖
figure(3)
plot(1:length(t_test),t_test,'r-*',1:length(t_test),t_sim,'b:o')
grid on
legend('真實值','預(yù)測值')
xlabel('樣本編號')
ylabel('耐壓強度')
string_3 = {'測試集預(yù)測結(jié)果對比(BP神經(jīng)網(wǎng)絡(luò))';
['mse = ' num2str(E) ' R^2 = ' num2str(R2)]};
title(string_3)
到此,關(guān)于“matlab怎么實現(xiàn)支持向量機的回歸擬合”的學(xué)習(xí)就結(jié)束了,希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí),快去試試吧!若想繼續(xù)學(xué)習(xí)更多相關(guān)知識,請繼續(xù)關(guān)注億速云網(wǎng)站,小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。