对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理，分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 为了预测储层物性孔隙度，本文构建了SVM支持向量机回归模型，并对该网络的BoxConstraint和KernelScale等关键指标进行超参数调整。基于上述模型，采用留一法交叉验证将单个井作为测试集，其余不包含该井的测井数据作为训练集，以此来分析单个井的孔隙度预测结果。 对影响因素数据（除去取值深度）进行主成分分析（PCA），将第一主成分和第二主成分作为SVM支持向量机模型的输入向量序列，以六类流体性质（含油水层、差油层、干层、水层、油层及油水同层）作为标签形成输出向量序列。由于典型的SVM支持向量机只能处理二分类问题，因此本文分别构建了六个SVM分类器。并且利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向：统计学及机器学习算法（SVM）的实例应用 关键词：SVM支持向量机；留一法交叉验证；主成分分析；matlab

三、SVM的C语言编程介绍 1.求解SVM的两个开源开发包： Libsvm: http://www.csie.ntu.edu.tw/~cjlin SVM-light：http://ais.gmd.de/~thorsten/svm_light : : ... 2. 利用SVM的C语言程序直接进行分类器的训练和测试： 例： 1 1:67 2:66 3:72 4:72 5:59 6:71 7:54 8:67 9:79 -1 1:101 2:108 3:100 4:99 5:102 6:95 7:93 8:96 9:89

支持向量机使用不同基函数对分类结果的影响； 附带高质量数据集，可以重复使用，修改测试代码； 加深对于支持向量机的理解和应用； 适合机器学习初学者，巩固基础知识，强化基础理论的学习和应用。

遗传算法优化SVM分类 程序完整 亲测可用！

006_基于支持向量机(SVM)的时间序列预测 Matlab代码实现过程，调用了libsvm工具箱实现

基于支持向量机的数据分类预测，代码全部封装好了，注释也写得非常详细，跑数据的过程中有任何问题可以私信博主

SVM支持向量机和逻辑回归进行心音信号简单二分类-附件资源

通过对风机传动系统中齿轮故障进行模拟试验,构建结构风险最优的支持向量机(SVM)网络,对采集到的电磁速度信号进行快速傅里叶分解,选取高频段的频谱特性 作为分量进行样本化学习,完成对齿轮故障样本的训练,使 SVM 具备分类功能。最后,采用SVM 对齿轮箱试验台齿轮故障进行诊断分类识别,取得较好的效果,说明齿轮故障信号高频特性所包含故障信息在整个频谱中的有效性以及SVM 作为一种故障诊断方法的实用性。

004_基于支持向量机(SVM)的数据回归预测 Matlab代码实现过程，调用了libsvm工具箱实现

005_基于支持向量机(SVM)的数据分类预测 Matlab代码实现过程，调用了libsvm工具箱实现