支持向量机回归matlab

以下是一个简单的支持向量机回归的 MATLAB 实现示例：

% 生成示例数据
rng(0); % 随机数种子，以确保结果可重复
X = linspace(-3, 3, 100)';
y = sin(X) + 0.1*randn(size(X));

% 训练支持向量机回归模型
svm = fitrsvm(X, y, 'KernelFunction', 'rbf', 'KernelScale', 0.5);

% 绘制结果
figure;
plot(X, y, '.', 'MarkerSize', 10);
hold on;
xtest = linspace(-3, 3, 200)';
ytest = predict(svm, xtest);
plot(xtest, ytest, 'LineWidth', 2);
legend('训练数据', '支持向量机回归模型', 'Location', 'northwest');

该代码首先生成一个示例数据集 `X` 和 `y`，其中 `y` 是 `sin(X)` 的带有噪声的观测值。接下来，使用 `fitrsvm` 函数训练一个支持向量机回归模型，其中 `KernelFunction` 参数指定核函数类型（这里选择径向基函数 RBF），`KernelScale` 参数指定 RBF 核函数的带宽。最后，使用 `predict` 函数在新数据上进行预测，并将结果绘制出来。

请注意，支持向量机回归的性能取决于许多因素，包括核函数类型、核函数带宽、正则化参数等。因此，在实际应用中，需要进行适当的调参来获得最佳性能。