SVR支持向量回归例子「建议收藏」

SVR支持向量回归例子「建议收藏」SVR支持向量回归例子欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML图表FLowchart流程图导出与导入导出导入欢迎使用M…

大家好,又见面了,我是你们的朋友全栈君。

SVR软件包的安装:https://www.cnblogs.com/Ran-Chen/p/9462825.html
%使用SVR模型,得到输入矢量x(x包含3个变量x1,x2,x3)到输出矢量y(y只包含一个变量)之间的映射关系,也就是计算y=f(x1,x2,x3)函数的f
%x1,x2,x3时简单的加法运算 y=x1+x2+x3
%训练个数 训练需要的时间(秒) 误差 相关系数
%100 0.0028 9.3469 0.7711
%500 0.05 7.38 0.8
%1000 0.17 4.5889 0.8618
%10000 4.1250 0.006051 0.9997
%20000 8.98 9.98041e-05 0.9999
%50000 33.24 9.97801e-05 0.9999
%60000
%平方后相加运算 y=x1的平方+x2的平方+x3的平方
%训练个数 训练需要的时间(秒) 误差 相关系数
%100 0.002 3212 0.72033
%500 0.04 2516 0.5748
%1000 0.16 2885 0.62
%10000 12.8 1150 0.7964
%20000 41 376 0.9199
%50000 159 4.90 0.998527
%60000 503 0.92 0.999717
%结论:随着训练SVR模型时使用的数据量变大,训练的效果越好。通过误差变小,相关系数变大来体现。

%%clean work
close all;%关闭所有figure窗口
clear;%清空变量
clc;%清空命令
format compact;%空格紧凑
%生成对模型进行训练的数据
%这个模型为y=f(x1,x2,x3),表示此模型有3个输入变量x1,x2,x3,输出变量有1个,y。
%x1 = (0:0.001:10)’; x2 = (20:0.001:30)’; x3 = (50:0.001:60)’;
x1=randi(10,10000,1); x2=randi(10,10000,1); x3=randi(10,10000,1); %使用1到10之间的随机数进行训练
y = x1.^2 + x2.^2 +x3.^2;
%y = x1 + x2 +x3;
%建立回归模型,也就是对模型进行训练
%x是该模型的输入矢量,x中每行有3个数据,分别是x1,x2,x3,y的每个矢量有1个数据
x(:,1)=x1;x(:,2)=x2;x(:,3)=x3;
fprintf(‘Start SVR train,please waiting …’);
tic;%记录SVR模型训练的时间
model = libsvmtrain(y,x,’-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01’);
toc
%利用建立的模型看其在训练集上的回归效果,也就是使用已经训练后的SVR模型,输入训练时使用的输入数据,预测输出结果
%下面libsvmpredict函数的第一个参数无所谓,但是具有和输出变量一样的列数和行数
%如果设置为训练模型时使用过的输出变量,那么在预测时,
%会计算预测的输出结果值和原始的输出结果值之间的误差mse和相关系数prob
[py,mse,prob] = libsvmpredict(y,x,model,’-b 0’);
%简单的加法运算
%训练个数 训练需要的时间(秒) 误差 相关系数
%100 0.0028 9.3469 0.7711
%500 0.05 7.38 0.8
%1000 0.17 4.5889 0.8618
%10000 4.1250 0.006051 0.9997
%20000 8.98 9.98041e-05 0.9999
%50000 33.24 9.97801e-05 0.9999
%60000
%平方后相加运算
%训练个数 训练需要的时间(秒) 误差
%100 0.002 3212 0.72033
%500 0.04 2516 0.5748
%1000 0.16 2885 0.62
%10000 12.8 1150 0.7964
%20000 41 376 0.9199
%50000 159 4.90 0.998527
%60000 503 0.92 0.999717
%结论:随着训练SVR模型时使用的数据量变大,训练的效果越好。通过误差变小,相关系数变大来体现。
figure;%建立一个窗口
plot(y,‘o’);%原始数据以o这种形式标记
hold on;%保持当前图像不刷新
plot(py,‘r*’);%回归数据以红色的*标记
legend(‘原始数据:训练SVR模型时,使用的输出变量’,‘回归数据:使用训练好的SVR模型,对训练时使用的输入变量进行预测’);%设置图例线条
grid on;%画图的时候添加网格线

%进行预测
testx1 = [8.5;3.6;1.5];testx2 = [2.1;2.6;5.8];testx3 = [3.2;5.5;7.8];
display(‘真实数据’);%控制台输出
testy = testx1.^2 + testx2.^2 + testx3.^2
%testy = testx1 + testx2 + testx3
%下面libsvmpredict函数的第一个参数和第二个参数设置为相同,
%就是收入给已经训练好的模型的输入参数
testx(:,1)=testx1;testx(:,2)=testx2;testx(:,3)=testx3;
[ptesty,tmse,prob2] = libsvmpredict(testy,testx,model,’-b 0’);
display(‘预测数据’);
ptesty

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/142078.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • Linux系统如何解压rar文件

    Linux系统如何解压rar文件1、下载linux版本的rar软件访问官方地址下载最新版本的linux版本rar软件2、解压下载好的安装文件tar-xzpvfrarlinux-x64-610b2.tar.gz3、编译安装进入解压后的rar文件夹,执行make命令cdrarmake4、使用rar命令解压压缩文件rarxdist.rar或者使用unrar命令unraredist.rar5、压缩文件命令raraetc.ra…

  • vue根据下标获取数组中的值_document.getElementBy

    vue根据下标获取数组中的值_document.getElementBy关于<Element*at0x******>如何查看标签中的数据fromlxmlimportetreeimportrequestsurl=’https://www.pearvideo.com/’#首页地址data={}headers={“User-Agent”:”Mozilla/5.0(WindowsNT10.0;Win64;x64)””AppleWebKit/537.36(K

  • 电力-101/104规约基础1

    电力-101/104规约基础1内容包括IEC101/104规约术语及释义(嵌入实际工程C代码),IEC101/104规约标准与遥测量类型转换介绍,IEC101规约遥信、遥测与遥控及加密。

  • js原生实现FastClick事件

    js原生实现FastClick事件js原生实现FastClick事件注明:本人学习javascript时间不长,最近一直在做web端的手机网页和微信应用,由于最近有用到类似fastclick的功能,在原来的程序中用touchstart和touchend事件模拟,现在尝试将其封装,得到了以下两种有问题的方案。分享给大家,另求大神指导

  • IPv6/IPv4 + aliddns 实现黑群晖外网控制和访问

    IPv6/IPv4 + aliddns 实现黑群晖外网控制和访问前言一直想弄台黑群NAS,但因为穷!一直没入,一直用的是玩客云,但玩客云满足不了我的需求,但正好搭上蜗牛星际的车!J1900+4G内存+16G固态+4盘位+千兆网口才380元,性价比是真的高,再买两个二手的2T机械硬盘(一个做备份盘),还有一个自己的500G机械硬盘,目前完全够用。目前主流内网穿透方案目前内网穿透有如下几种方案frp、ngrok等转发工具,需要一个有公网ip的服务器,…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号