偏最小二乘回归分析 Matlab代码与数据，教程

【lssvm预测】基于麻雀算法优化最小二乘支持向量机实现数据预测（多输入单输出）含Matlab源码

频域内的模态参数识别方法：最小二乘迭代模态参数识别法。该程序适合刚入门模态参数识别并使用matlab进行编程的人员学习交流。

核递归最小二乘 核递归最小二乘算法的 Julia 实现 KRLS 是一种快速高效的在线核回归算法。KRLS 一次处理一个样本的数据，并构建一个训练点字典，用于逼近函数。 Y. Engel、S. Mannor 和 R. Meir，“内核递归最小二乘算法”，IEEE Transactions on Signal Processing，vol。52，没有。8，第 2275-2285 页，2004 年。

一般信息 支持向量机（SVM）和相关的基于内核的学习算法是一类知名的机器学习算法，用于非参数分类和回归。 liquidSVM是SVM的实现，其主要功能是： 完全集成的超参数选择， 无论大小数据集，其速度都极高， ， ， ， 和绑定， 为专家提供充分的灵活性，以及 包括各种不同的学习场景： 多类别分类，ROC和Neyman-Pearson学习， 最小二乘，分位数和预期回归。 如有疑问和意见，请通过与我们联系。 您也可以在此处要求注册到我们的邮件列表。 liquidSVM已根据许可。 如果您需要其他许可证，请与联系。 命令行界面 命令行版本的。 Linux / OS X的终

haoli 等人的非刚性配准教学课件

运动小平台近场干扰抑制技术研究_尹天宫 % % 最小二乘矩阵滤波器设计与性能分析_徐驰 % % 基于远近场声传播特性的拖线阵声纳平台辐射噪声空域矩阵滤波技术_韩东

代码很齐全，包括用 最小二乘支持向量机进行参数优化，曲线拟合等

一元线性回归，最小二乘法，C++语言VS2008下调试通过，可直接使用，有注释。

空气质量预测 近年来，空气污染急剧增加，并且对所有生物造成的影响更糟。 世界上大多数国家都在与日益增加的空气污染水平作斗争。 因此，控制和预测空气质量指数已成为必要。 在此研究项目中，我们将实施数据挖掘和机器学习模型来预测AQI并将AQI归类。 对于AQI预测，我们已经实现了五个回归模型主成分，偏最小二乘法，留一维CV的主成分，留一维CV的偏最小二乘，多个印度城市的多元回归AQI数据。 根据AQI的值，AQI指数进一步分为6个不同的类别，即“好，满意，中，差，非常差和严重”。 为了预测AQI桶，我们使用重复CV分类算法开发了三种分类模型，分别是多项式Lo​​gistic回归和K最近邻和K最近邻。 来自印度不同城市的空气质量数据集，具有留一法交叉验证的PLS模型。