svrexample.rar_SVR_回归预测_支持向量回归_支持向量机

%归一化后的参数解读： %未作归一化处理数据，效果不理想 %[plabel_test,mse] = svmpredict(label_test,test_data,model);测试集的回归数据 % Mean squared error = 2.07642 (regression) % Squared correlation coefficient = 0.034525 (regression) % 训练集数据效果[plabel_train,mse] = svmpredict(label_train,train_data,model); % Mean squared error = 0.377087 (regression) % Squared correlation coefficient = 0.820613 (regression) clc clear close all load('C:\Users\dell\Desktop\tocyc4.mat'); data = TOC ; num_train=48; choose=randperm(length(data)); train_data=data(choose(1:num_train),2:end); %gscatter(train_data(:,1),train_data(:,2)); 这句不懂所以没用 label_train=train_data(:,1);%和原代码有点不同 需要注意修改 %归一化 figure; plot(label_train,'LineWidth',2); title('取心TOC','FontSize',12); xlabel('样本数','FontSize',12); ylabel('取心toc含量','FontSize',12); grid on; % 数据预处理,将原始数据进行归一化 label_train = label_train'; % mapminmax为matlab自带的映射函数 % 对ts进行归一化 [label_trainTS,label_trainTSps] = mapminmax(label_train,0,1); % figure; plot(label_trainTS,'LineWidth',2); title('取心TOC归一化后的图像','FontSize',12); xlabel('样本数','FontSize',12); ylabel('归一化后的TOC含量','FontSize',12); grid on; % 对TS进行转置,以符合libsvm工具箱的数据格式要求 label_trainTS = label_trainTS'; % 对tsx进行归一化 train_data = train_data'; [train_dataTSX,train_dataTSXps] = mapminmax(train_data,0,1); % 对TSX进行转置,以符合libsvm工具箱的数据格式要求 train_dataTSX = train_dataTSX'; %predict=zeros(length(test_data),1); model=svmtrain(label_trainTS,train_dataTSX,'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01');%为什么是end-1 不太懂 要注意 [plabel_train,mse] = svmpredict(label_trainTS,train_dataTSX,model); figure plot(label_trainTS,'o'); hold on plot(plabel_train,'r*'); title('训练集模型训练情况','FontSize',12); xlabel('样本数','FontSize',12); ylabel('TOC','FontSize',12); legend('岩心实验TOC数据','回归预测TOC数据'); % figure;画图有问题，横坐标如何确定 % plot(train_data,label_train,'o'); % hold on; % plot(train_data,plabel,'r*'); % legend('原始数据','回归数据'); % grid on; % title('取心TOC','FontSize',12); % xlabel('样本数','FontSize',12); % ylabel('取心toc含量','FontSize',12); test_data=data(choose(num_train+1:end),2:end);%测试集的样本数 label_test=test_data(:,1); figure; plot(label_test,'LineWidth',2); title('测试集取心TOC','FontSize',12); xlabel('样本数','FontSize',12); ylabel('测试集取心toc含量','FontSize',12); grid on; % 数据预处理,将原始数据进行归一化 label_test = label_test'; % mapminmax为matlab自带的映射函数 % 对ts进行归一化 [label_testTS,label_testTSps] = mapminmax(label_test,0,1); % 画出原始上证指数的每日开盘数归一化后的图像 figure; plot(label_testTS,'LineWidth',2); title('测试集取心TOC归一化后的图像','FontSize',12); xlabel('样本数','FontSize',12); ylabel('测试集归一化后的TOC含量','FontSize',12); grid on; % 对TS进行转置,以符合libsvm工具箱的数据格式要求 label_testTS = label_testTS'; % 对tsx进行归一化 test_data = test_data'; [test_dataTSX,test_dataTSXps] = mapminmax(test_data,0,1); % 对TSX进行转置,以符合libsvm工具箱的数据格式要求 test_dataTSX = test_dataTSX'; [plabel_test,pmse] = svmpredict(label_testTS,test_dataTSX,model); figure plot(label_testTS,'o'); hold on plot(plabel_test,'r*') title('测试集模型训练情况','FontSize',12); xlabel('样本数','FontSize',12); ylabel('TOC','FontSize',12); legend('岩心实验TOC数据','回归预测TOC数据');