基于svm实现用电量预测的MATALAB代码

以下是一个简单的基于SVM的用电量预测MATLAB代码示例：

% 加载数据
data = load('electricity_data.txt');
X = data(:, 1:3); % 特征
y = data(:, 4); % 标签

% 数据划分
train_ratio = 0.7; % 训练集比例
val_ratio = 0.15; % 验证集比例
test_ratio = 0.15; % 测试集比例
[trainInd,valInd,testInd] = dividerand(size(X, 1), train_ratio, val_ratio, test_ratio);
X_train = X(trainInd, :);
y_train = y(trainInd, :);
X_val = X(valInd, :);
y_val = y(valInd, :);
X_test = X(testInd, :);
y_test = y(testInd, :);

% 参数选择
C = 1; % 正则化参数
sigma = 1; % 核函数参数
best_C = 0;
best_sigma = 0;
best_acc = 0;
for C = [0.01 0.03 0.1 0.3 1 3 10 30] % 正则化参数
    for sigma = [0.01 0.03 0.1 0.3 1 3 10 30] % 核函数参数
        % 模型训练
        model = svmTrain(X_train, y_train, C, @(x1, x2) gaussianKernel(x1, x2, sigma));
        % 模型预测
        y_pred = svmPredict(model, X_val);
        % 准确率计算
        acc = mean(double(y_pred == y_val)) * 100;
        % 参数选择
        if acc > best_acc
            best_acc = acc;
            best_C = C;
            best_sigma = sigma;
        end
    end
end

% 模型训练
model = svmTrain(X_train, y_train, best_C, @(x1, x2) gaussianKernel(x1, x2, best_sigma));

% 模型预测
y_pred = svmPredict(model, X_test);

% 准确率计算
acc = mean(double(y_pred == y_test)) * 100;

% 结果输出
fprintf('Best C = %f, Best sigma = %f\n', best_C, best_sigma);
fprintf('Test Accuracy = %f\n', acc);

在上述代码中，我们首先加载了电力数据，然后将其划分为训练集、验证集和测试集。接着，我们使用两个for循环选择最优的正则化参数C和核函数参数sigma。最后，我们使用最优参数训练模型，并在测试集上进行测试。