LS-SVM算法预测实例+程序讲解

可以直接使用的LS-SVM预测算法+程序讲解。。。。

close all;
a=xlsread(' 用于预测的训练数据');   % 输入预测的训练据  （列数据）
a = a(:).';
c=xlsread(' 用于驯练的影响因素');   % 输入影响因素的训练数据 （列数据）
X=c;
Y=a';
gam=3500;    %可自行修改gam的值，影响着训练效果，越大训练效果越强，但是过大的话会导致过拟合，即训练失败
sig2=1400;     %可自行修改sig2的值，取值范围为0-10000;影响训练、预测精度；
type = 'function approximation';        %函数声明
[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel'});    %训练函数

Xt=xlsread('用于预测的影响因素 ');

plotlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b},X);   %训练效果图

Yt = simlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b},Xt);   %预测出的值     

% 以下为作图；不需要的话可以省略

h=[Y;Yt];
g=xlsread('被预测的实际值');    %后面作图所用，用于对比结果的精度
f=[Y;g];
figure(1);
X=1998:2015;               %作图时的横坐标值，需自行修改
plot(X,h,'r*',X,f,'bo');
title('o真实值，*预测值');
z=Yt-g;
z=z/g;
z=z*100
x1=2011:2015;
plot(x1,z,'b')
title('误差变化图')
u2=sum(sum(abs(z)))/5
u3=zeros(5,1);
for i=1:5
    u3(i,1)=(abs(z(i,5))-u2)*(abs(z(i,5))-u2);
end
fancha=sum(u3)/5
plot(x1,z,'r',x1,u3,'b')
title('方差与误差');