| 查看: 563 | 回复: 2 | |||
| 当前主题已经存档。 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
[交流]
【求助】svm回归效果不好请大家帮我看看程序那错了
|
|||
|
用LIBSVM做的回归，效果很不好，找不到原因，请大家帮忙找找。 下面这个程序是挑选最佳c和g的，帮我找找错误，谢谢了。 load principal28 ; %载入数据矩阵PCA28（24*6） [pn,minp,maxp] = premnmx(PCA28); indices=crossvalind('kfold',24,24); y1 =[4.9085;5.2529;4.9370;8.400;6.600;5.900;7.200;9.9494;6.2787;6.3711;7.1139;6.3617;5.4314;4.7160;7.0414;6.8751;8.4472;7.1461;8.477;8.431;7.6628;6.041;6.3824;7.6532]; tt = 2; Count = 0; for Gamma = -15 :3 g = 2.^Gamma; Count = Count + 1; GG(Count) = Gamma; Tim = 0; for Penalty = -5 :15 c = 2.^Penalty; Tim = Tim + 1; CC(Tim) = Penalty; predict = []; MSE =[]; d =[]; for k = 1 : 24 test = ( indices24 == k); train = ~test; xtest = pn(test,  ; xlearn = pn(train, ; ytest = y1(test); ylearn = y1(train); eval(['model = svmtrain(ylearn, xlearn, ''-s 3 ' '-t ' num2str(tt) ' -g ' num2str(g) ' -c ' num2str(c) '-p 0.1 '');']) [predict_label,accuracy] = svmpredict(ytest, xtest, model,'-b 0 ' ); d=cat(1,d,ytest); predict = cat(1,predict,predict_label); end h=1:24; mse(Count,Tim) = sqrt(sum ((predict(h) -d(h) ).^2)/24); MSE =cat(1,MSE,mse); r=sqrt((sum((predict-mean(d)).^2))/(sum((d-mean(d)).^2))); R2=1-(sum((d-predict).^2)/sum((mean(ytest)-d).^2)); SE=sqrt((sum((d-predict).^2))/24); end end [AA, BB] = find( MSE == min(min(MSE ))); Gamma = GG(AA) ; bg = 2.^Gamma; Penalty = CC(BB); bc = 2.^Penalty; save bestc bc save bestg bg |
回复此楼» 猜你喜欢
OpenAI又攻克数学难题了，离AI做有机合成还有多远？
已经有8人回复
-
极限拉扯，如何抉择
已经有7人回复
-
课题组会帮你通过考核么？
已经有6人回复
-
售一区SCI文章T0P，我:8O.551.O54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8O5.5.1.O5.4,科目全,可伽急
已经有10人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有8人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有7人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有10人回复
-
售SCI一区T0P文章，我:8.O.55.1.O54,科目全,可伽急
已经有9人回复
3楼2009-10-10 13:03:33
这个是预测的程序
|
这个是预测的程序 load principal28 ; bc=？;%上一程序所得值 bg=？;%上一程序所得值 [pn,minp,maxp] = premnmx(PCA28); ylearn =[4.9085;5.2529;4.9370;8.400;6.600;5.900;7.200;9.9494;6.2787;6.3711;7.1139;6.3617;5.4314;4.7160;7.0414;6.8751;8.4472;7.1461;8.477;8.431;7.6628;6.041;6.3824;7.6532]; xlearn= [pn(1,:);pn(2,:);pn(3,:);pn(4,:);pn(5,:);pn(6,:);pn(7,:);pn(8,:);pn(9,:);pn(10,:);pn(11,:);pn(12,:);pn(17,:);pn(18,:);pn(19,:);pn(20,:);pn(21,:);pn(22,:);pn(23,:);pn(24,:);pn(25,:);pn(26,:);pn(27,:);pn(28,:);]; Xtest =[pn(13,:);pn(14,:);pn(15,:);pn(16,:)]; Ytest =[6.0792;7.3424;4.8921;5.9345;]; tt = 2; predict = []; eval(['model= svmtrain(ylearn, xlearn, ''-s 3 ' '-t ' num2str(tt) ' -g ' num2str(bg) ' -c ' num2str(bc) '-p 0.1 -b 0 '');']) [predict_label,accuracy] = svmpredict(Ytest, Xtest, model ,'-b 0 ' ); predict = cat(1,predict,predict_label); Q=sqrt(1-(sum((Ytest-predict).^2)/sum((Ytest-sum(Ytest)/4).^2))); SE=sqrt((sum(( Ytest-predict).^2))/24); |
2楼2009-09-30 21:03:37
