核心:fitrsvm函数
参考链接
% function main()
clc
clear
close all
%% 1.数据
%训练集
train1=[0;2;3;3;4;4;4;5;6;7;2;3;4;4;5;5;6;7;8;10];%训练数据1
train2=[0;4;3;4;2;4;3;3;2;1;9;8;6;7;6;8;6;4;4;10];%训练数据2
train=[train1,train2];%训练数据
%标签
% TAG=[1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2]; %数据标签,与train顺序对应
TAG=[1,1,1,1,1,1,3,3,3,3,2,2,2,2,2,2,4,4,4,4]; %数据标签,与train顺序对应
%测试集
test1=[3;4;6;7;2;5];
test2=[2;8;5;6;5;2];
test=[test1,test2];%测试数据
%% 2.训练分类模型
SVM_Model = fitrsvm(train, TAG);%训练SVM,记为SVM_Model
yfit0 = resubPredict (SVM_Model);%测试训练数据的标签
%% 3.回归
yfit1 = predict(SVM_Model,test)