求助半监督最小二乘支持向量机的MATLAB程序

支持向量机 1 简介 支持向量机基本上是最好的有监督学习算法了。最开始接触SVM是去年暑假的时候，老师要求交《统计学习理论》的报告，那时去网上下了一份入门教程，里面讲的很通俗，当时只是大致了解了一些相关概念。这次斯坦福提供的学习材料，...

我给你个最小二乘拟合的例子自己体会一下：\x0d\x0a下面给定的是乌鲁木齐最近1个月早晨7:00左右(新疆时间)的天气预报所得到的温度数据表，按照数据找出任意次曲线拟合方程和它的图像。\x0d\x0a(2008年10月26~11月26)\x0d\x0a天数 1 2 3 4 5 6 7 8 9 10\x0d\x0a温度 9 10 11 12 13 14 13 12 11 9\x0d\x0a天数 11 12 13 14 15 16 17 18 19 20\x0d\x0a温度 10 11 12 13 14 12 11 10 9 8\x0d\x0a天数 21 22 23 24 25 26 27 28 29 30\x0d\x0a温度 7 8 9 11 9 7 6 5 3 1\x0d\x0a\x0d\x0a下面应用Matlab编程对上述数据进行最小二乘拟合\x0d\x0aMatlab程序代码：\x0d\x0ax=[1:1:30]\x0d\x0ay=[9,10,11,12,13,14,13,12,11,9,10,11,12,13,14,12,11,10,9,8,7,8,9,11,9,7,6,5,3,1]\x0d\x0aa1=polyfit(x,y,3)%三次多项式拟合%\x0d\x0aa2= polyfit(x,y,9) %九次多项式拟合%\x0d\x0aa3= polyfit(x,y,15)%十五次多项式拟合%\x0d\x0ab1= polyval(a1,x)\x0d\x0ab2= polyval(a2,x)\x0d\x0ab3= polyval(a3,x)\x0d\x0ar1= sum((y-b1).^2) %三次多项式误差平方和%\x0d\x0ar2= sum((y-b2).^2) %九次次多项式误差平方和%\x0d\x0ar3= sum((y-b3).^2) %十五次多项式误差平方和%\x0d\x0aplot(x,y,'*') %用*画出x,y图像%\x0d\x0ahold on\x0d\x0aplot(x,b1, 'r') %用红色线画出x,b1图像%\x0d\x0ahold on\x0d\x0aplot(x,b2, 'g') %用绿色线画出x,b2图像%\x0d\x0ahold on\x0d\x0aplot(x,b3, 'b:o') %用蓝色o线画出x,b3图像%

matlab中用最小二乘拟合的常用函数有polyfit（多项式拟合）、nlinfit（非线性拟合）以及regress（多元线性回归）。自变量有2个或以上时，应变量一个，可以使用的有nlinfit和regress，线性时用regress，非线性时用nlinfit。对于进阶matlab使用者还有更多的选择，如拟合工具箱、fit函数、interp系列插值拟合等等。

具体介绍一下regress

regress虽然名义上只能做线性回归但是可以把x^2等非线性量作为一个额外自变量做计算，因此在一些特殊情况下也可以做非线性拟合。

以matlab自带的数据为样本，示例代码如下：（%后面的是注释）

clcclear

load carsmall%此数据样本matlab自带

x=Weighty=Horsepowerz=MPG%取这3个变量作为拟合对象，x、y自变量，z应变量

plot3(x,y,z,'p')

hold on

c=ones(length(x),1)

b=regress(z,[x,y,c])%纯线性拟合 模型z=b(1)*x+b(2)*y+b(3)

[X,Y]=meshgrid(linspace(1500,5000,10),linspace(40,240,10))

C=ones(10)

mesh(X,Y,b(1)*X+b(2)*Y+b(3)*C)

grid on

b=regress(z,[x.^2,y.^2,x.*y,x,y,c])%添加非线性项进行拟合

figure

plot3(x,y,z,'p')

hold on

mesh(X,Y,b(1)*X.^2+b(2)*Y.^2+b(3)*X.*Y+b(4)*X+b(5)*Y+b(6)*C)

grid on

---