本文介绍了最小二乘支持向量机（LSSVM）的基本原理，包括将其不等式约束转换为等式约束以提高求解速度和精度。文章详细讲解了LSSVM的常用核函数，并分享了如何使用MATLAB LSSVM工具箱，包括数据预处理、模型训练、参数调整和绘图函数。LSSVM在函数回归方面表现出优于神经网络的泛化能力和更快的训练速度。
1、最小二乘支持向量机LSSVM基本原理
最小二乘支持向量机是支持向量机的一种改进，它是将传统支持向量机中的不等式约束改为等式约束, 且将误差平方和(SumSquaresError)损失函数作为训练集的经验损失,这样就把解二次规划问题转化为求解线性方程组问题, 提高求解问题的速度和收敛精度。
常用的核函数种类：
2、LSSVM工具箱的使用方法
2.1 最小二乘支持向量机Matlab工具箱下载链接：https://www.esat.kuleuven.be/sista/lssvmlab/（毫无疑问下载最新版本）
2.2 将LS-SVM文件添加到matlan使用路径中，便可直接使用。
具体使用步骤：
1 导入训练数据：load 读取mat文件和ASCII文件；xlsread读取.xls文件；csvread读取.csv文件。
2 数据预处理：效果是加快训练速度。
方法有：归一化处理(把每组数据都变为 - 1～ +1之间的数, 所涉及到的函数有premnmx, post mnmx, tramnmx)
标准化处理(把每组数据都化为均值为 0, 方差为 1的一组数据, 所涉及到的函数有 prestd,poatstd, trastd)
主成分分析 (进行正交处理, 减少输入数据的维数, 所涉及到的函数有 pre
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
