Matlab可以使用fitrsvm创建回归支持向量机模型。fitrsvm在中低维预测变量数据集上训练或交叉验证支持向量机（SVM）回归模型。 fitrsvm支持使用内核函数映射预测变量数据，并支持通过二次编程实现目标函数最小化。要在高维数据集（即包含许多预测变量的数据集）上训练线性SVM回归模型，请改用fitrlinear。
2022-11-04 20:51:36
122KB
1
机器学习工具箱
主程序可以对数据应用几种监督分类方法：
Logistic回归（线性模型）
支持向量机
装袋
随机森林
神经网络
可以使用其他一些工具，例如Boosting，K均值，线性回归。
该程序使用不同的外部工具箱：
Prtools套袋和随机森林
用于神经网络的DeepLearnToolbox-master
适用于SVM的libsvm-3.20
此外，一些代码来自Andrew Ng的Coursera MOOC：。
2022-11-04 17:00:36
2.25MB
1
pso-svm python 代码 基于粒子群算法优化支持向量机
2022-11-04 16:59:13
3KB
1
#将SVM代码文件直接导，pycharm2017软件中，将data数据的路径在代码中进行修改
#fileIn = open('C:/Users/LENOVO/Desktop/SVM-master/datasets.txt')
#open()进行文件的读取工作，直接修改路径即可，但是要注意绝对路径与相对路径的区分
2022-11-04 11:06:08
5KB
1
MATLAB实现PCA-LSTM主成分降维结合长短期记忆神经网络多输入回归预测（完整源码和数据）
数据为多输入回归数据，输入12个特征，输出1个变量。
运行环境MATLAB2018b及以上。
2022-11-03 19:07:32
590KB