如何获得最小二乘支持向量回归训练数据集的预测值

Question

我想通过使用Suykens等人提出的最小二乘支持向量机进行回归预测。我正在使用LS-SVMlab，您可以找到MATLAB工具箱here。让我们考虑我有一个自变量X和一个因变量Y，它们都是模拟的。我按照教程中的说明进行操作。

  

＆gt;＆gt; X = linspace（-1,1,50）';
  ＆gt;＆gt; Y =（15 *（X. ^ 2-1）。^ 2. * X. ^ 4）。* exp（-X）+ normrnd（0,0.1，length（X），1）; <登记/>   ＆gt;＆gt; type ='function estimation';
  ＆gt;＆gt; [gam，sig2] = tunelssvm（{X，Y，type，[]，[]，'RBF_kernel'}，'simplex'，...'leaveoneoutlssvm'，'mse'}）;
  ＆gt;＆gt; [alpha，b] = trainlssvm（{X，Y，type，gam，sig2，'RBF_kernel'}）;

  ＆GT;＆GT; plotlssvm（{X，Y，类型，GAM，SIG2，” RBF_kernel”}，{α，B}）;

上面的代码使用单纯形法和留一法交叉验证找到最佳参数，并训练模型并给出alpha（训练集中所有数据点的支持向量值）和b系数。但是，它并没有给出变量Y的预测。它只绘制了图。在一些文章中，我看到了如下图所示的情节，

正如我之前所说，LS-SVM工具箱没有给出Y的预测值，它只绘制图，但工作区中没有值。如何获取这些值并绘制预测值图表和实际值？

我想到了一个解决方案。通过在训练集中使用X值，我重新运行模型并使用simlssvm命令获得值Y的预测，但这对我来说似乎不合理。您可以提供任何解决方案？提前谢谢。

Answer 1

恐怕你已回答了自己的问题。获得LS-SVMLab中训练点预测的唯一方法是在训练模型后模拟训练点。

Answer 2

[yp，alpha，b，gam，sig2，model] = lssvm（x，y，'f'）

当你使用这个函数时，yp是预测值