svr回归预测matlab 代码

以下是利用SVR回归进行预测的MATLAB代码示例：

% 导入数据
data = readtable('data.csv');
X = table2array(data(:,1:end-1));
y = table2array(data(:,end));

% 划分训练集和测试集
cv = cvpartition(size(X,1),'HoldOut',0.3);
X_train = X(cv.training,:);
y_train = y(cv.training,:);
X_test = X(cv.test,:);
y_test = y(cv.test,:);

% 标准化数据
[X_train,mu,sigma] = zscore(X_train);
X_test = (X_test - mu) / sigma;

% 训练SVR模型
model = fitrsvm(X_train,y_train,'KernelFunction','rbf','KernelScale','auto');

% 预测测试集结果
y_pred = predict(model, X_test);

% 计算测试集的MSE和R2值
mse = mean((y_test - y_pred).^2);
r2 = 1 - mse/var(y_test);

% 绘制预测结果与真实值的散点图
figure;
scatter(y_test,y_pred);
xlabel('True Values');
ylabel('Predictions');
title(['SVR Regression (MSE=',num2str(mse),', R^2=',num2str(r2),')']);

该代码导入数据，将数据划分为训练集和测试集，使用z-score对训练集数据进行标准化，训练SVR模型，并使用预测测试集数据。最后，计算测试集的MSE和R2值，并绘制真实值和预测值之间的散点图。