matlab支持向量回归代码

以下是一个简单的 MATLAB 支持向量回归 (SVR) 的示例代码：

% 加载数据
data = load('data.txt');
X = data(:, 1); % 特征
y = data(:, 2); % 目标变量

% 将数据划分为训练集和测试集
train_size = floor(0.8 * length(y));
X_train = X(1:train_size);
y_train = y(1:train_size);
X_test = X(train_size+1:end);
y_test = y(train_size+1:end);

% 使用支持向量回归进行建模
epsilon = 0.1; % 容错率
C = 1; % 惩罚因子
model = fitrsvm(X_train, y_train, 'KernelFunction', 'rbf', 'Epsilon', epsilon, 'BoxConstraint', C);

% 在测试集上进行预测
y_pred = predict(model, X_test);

% 计算测试集上的均方误差 (MSE)
mse = mean((y_test - y_pred).^2);
disp(['测试集上的 MSE：', num2str(mse)]);

在上面的代码中，我们使用 `load` 函数加载数据，然后使用 `fitrsvm` 函数进行支持向量回归建模。`fitrsvm` 函数允许我们指定核函数类型、容错率和惩罚因子等参数。在这个示例中，我们使用径向基函数 (RBF) 作为核函数，容错率为 0.1，惩罚因子为 1。最后，我们使用 `predict` 函数在测试集上进行预测，然后计算均方误差 (MSE)。