机器学习与神经网络的关系：
机器学习是目的，神经网络是算法。神经网络是实现机器学习的一种方法，平行于SVM。
常用的两种工具：svm tool、libsvm
SVM分为SVC和SVR，svc是专门用来分类的，svr是用来作回归的
注：matlab自带的svm工具箱无回归预测功能
函数介绍：http://blog.sina.com.cn/s/blog_6c76c0890100w1zm.html
libsvm参数介绍：http://blog.csdn.net/changyuanchn/article/details/7540014
clear;
N = 50;
n=2*N;
randn(\'state\',6);
x1 = randn(2,N)
y1 = ones(1,N);
x2 = 5+randn(2,N);
y2 = -ones(1,N);
figure;
plot(x1(1,:),x1(2,:),\'bx\',x2(1,:),x2(2,:),\'k.\');
axis([-3 8 -3 8]);
title(\'C-SVC\')
hold on;
X1 = [x1,x2];
Y1 = [y1,y2];
X=X1\';
Y=Y1\';
C=Inf;
ker=\'linear\';
global p1 p2
p1=3;
p2=1;
%命令
[nsv alpha bias] = svc(X,Y,ker,C) %训练函数
predictedY = svcoutput(X,Y,X,ker,alpha,bias) %输入预测函数
err = svcerror(trnX,trnY,tstX,tstY,ker,alpha,bias) %分类函数，准确率
svcplot(X,Y,ker,alpha,bias) %画图
libsvm使用（回归预测）：
close all; clear; clc; format compact; % 生成待回归的数据 x = (-1:0.1:1)\'; y = -x.^2; % 建模回归模型 model = libsvmtrain(y,x,\'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01\'); % 利用建立的模型看其在训练集合上的回归效果 [py,mse,devalue] = libsvmpredict(y,x,model); figure; plot(x,y,\'o\'); hold on; plot(x,py,\'r*\'); legend(\'原始数据\',\'回归数据\'); grid on; % 进行预测 testx = [1.1,1.2,1.3]\'; display(\'真实数据\') testy = -testx.^2 [ptesty,tmse,detesvalue] = libsvmpredict(testy,testx,model); display(\'预测数据\'); ptesty
请发表评论