生成一段多输入多输出的支持向量回归的matlab代码

以下是一个简单的多输入多输出支持向量回归的 Matlab 代码示例：

% 生成随机数据
x1 = linspace(0,1,100)';
x2 = linspace(0,1,100)';
y1 = sin(2*pi*x1) + 0.2*randn(100,1);
y2 = cos(2*pi*x2) + 0.2*randn(100,1);

% 合并输入变量
X = [x1 x2];

% 合并输出变量
Y = [y1 y2];

% 训练支持向量回归模型
model = fitrsvm(X, Y, 'KernelFunction', 'gaussian', 'KernelScale', 0.2);

% 预测输出
Y_hat = predict(model, X);

% 绘制结果
figure;
subplot(2,1,1);
plot(x1, y1, 'b.', x1, Y_hat(:,1), 'r-');
legend('原始数据','预测数据');
title('输出1预测结果');
subplot(2,1,2);
plot(x2, y2, 'b.', x2, Y_hat(:,2), 'r-');
legend('原始数据','预测数据');
title('输出2预测结果');

这段代码中，我们首先生成了两个随机输入变量 x1 和 x2，以及两个对应的随机输出变量 y1 和 y2。接着，我们将两个输入变量合并为一个输入矩阵 X，将两个输出变量合并为一个输出矩阵 Y。然后，我们使用 fitrsvm 函数来训练一个支持向量回归模型，其中 KernelFunction 参数指定核函数类型，KernelScale 参数指定核函数的尺度。最后，我们使用 predict 函数来预测输出，绘制出原始数据和预测数据的对比图。