Matlab中libsvm回归怎么做时间序列的单步和多步预测

Posted 2023-04-17

您好，很高兴为您解答。

a(1)=0;
for i=2:220
  a(i)=0.6*a(i-1)+randn;
end

train_t = 1:200;
train = a(train_t);
train_t = train_t';
train = train';

test_t = 1:203;
test=a(test_t);
test_t = test_t';
test = test';

[bestmse,bestc,bestg] = SVMcgForRegress(train,train_t,-3,11,-7,1,3,0.5,0.5,0.1);
cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg),' -p 0.01 -s 3'];

model = svmtrain(train,train_t,cmd);
[trainpre,trainmse] = svmpredict(train,train_t,model);

figure;
hold on;
plot(train);
plot(trainpre,'r');
title('原来的训练数据的拟合1-200');
legend('原来的训练数据','训练数据预测拟合数据');
hold off

[testpre,testmse] = svmpredict(test,test_t,model);
figure;
hold on;
plot(test);
plot(testpre,'r');
title('测试数据的预测1-203');
legend('测试数据','测试数据预测拟合数据');
hold off

如若满意，请点击右侧【采纳答案】，如若还有问题，请点击【追问】

希望我的回答对您有所帮助，望采纳！

                                                                                                                            ~ O(∩_∩)O~

参考技术A 使用符号运算符 | 或者命令or
比如：
lgc1=ture;
lgc2=false;
lgc1 | lgc2
lgc1 | lgc1
or(lgc1,lgc2)

Matlab 中的 Libsvm 回归预测测试集实例的相同值

【中文标题】Matlab 中的 Libsvm 回归预测测试集实例的相同值

【英文标题】：Libsvm regression in Matlab predict same values for test set instances

【发布时间】：2013-07-20 06:20:15

【问题描述】：

我正在尝试使用 libsvm（Matlab 库）来解决回归问题。我有一个包含 192 个实例的数据集。这是我在训练集和测试集中划分数据的代码：

idx = [zeros(170,1) ;ones(22,1)];
idx = idx(randperm(192));
train = data(idx==0,:);
train_label = label(idx==0,:);
test = data(idx==1,:);
test_label = label(idx==1,:);

model_1 = svmtrain(train_label,train,'-s 3 -t 2 -c 1 -g 0.01');
model_2 = svmtrain(label,data,'-s 3 -t 2 -c 1 -g 0.01');

[y_hat, Acc,Dec] = svmpredict(test_label, test, model);

如果我使用整个数据集 (model_1) 来训练模型，那么对于测试集的每个实例，我有不同的预测值，而如果我只使用训练集，我会为每个测试记录获得完全相同的值。我认为这是因为训练集可能太小而无法训练出好的模型，所以我尝试使用 190 个实例进行训练，仅使用 2 个进行测试。但即使有了这个除法，我也得到了 2 个测试实例的相同预测值？代码有问题吗？

【问题讨论】：

从您的代码来看，model_2 似乎是您使用完整数据集进行训练的地方（不是 model_1 根据您的帖子）。

没错，但为什么我只使用整个数据集获得不同的值？如果我使用 190 个实例进行训练而仅使用 2 个实例进行测试（这或多或少与使用整个数据集）我获得相同的预测值

【参考方案1】：

您应该使用缩放，尝试在代码中缩放训练和数据向量

【讨论】：

你的意思是规范化我的数据吗？

对不起，我才意识到，是的，我的意思是规范化数据