使用SVM回归预测？

Question

我想使用支持向量机（SVM）进行预测。我使用matlab函数fitrsvm和predict，

编写了如下代码

tb = table(x,y)                                                  
Mdl = fitrsvm(tb,'y','KernelFunction','gaussian')                                                                          
YFit = predict(Mdl,tb);                                
scatter(x,y);                                                   
hold on                                                
plot(x,YFit,'r.')

我得到的输出  这里包括测试值（tb），红色是使用SVM进行预测。你可以清楚地看到这种预测是错误的。谁能告诉我任何方法来改善接近测量值的预测？

Answer 1

你应该使用RBF或高斯等内核函数。

SVM的默认内核是K（xi，xj）= xi*xj，它是一个线性内核。当然，你只能获得线性回归结果。

代码

x = 0:0.01:5 ;
y = sin(x)+rand(1, length(x)) ;
x = x' ;
y = y' ;
tb = table(x,y) ;
Mdl = fitrsvm(tb,'y','KernelFunction','gaussian');
YFit = predict(Mdl,tb);                                
scatter(x,y);                                                   
hold on                                                
plot(x,YFit,'r.')

=============================================== ========================
  至于结果的准确性，它取决于许多因素，如核的类型，惩罚系数调整或其他，它通常需要时间来调整参数。交叉验证可以帮助您找到一组好的参数