如何获得训练数据集的预测值最小二乘支持向量回归

Question

我想用最小二乘支持向量机的回归，这是由Suykens等人提出做一个预测。我正在使用LS-SVMlab，它可以找到MATLAB工具箱here。让我们考虑一下我有一个独立变量X和一个因变量Y，它们都是模拟的。我正在按照教程中的说明进行操作。

>> X = linspace（-1,1,50）”;
>> Y =（15 *（X.^2-1）^ 2 * X.^4）* EXP（-X）+ normrnd（0,0.1，长度（X），1）。
>> type ='function estimation';
>> [GAM，SIG2] = tunelssvm（{X，Y，类型，[]，[]，” RBF_kernel”}，”单纯”，...” leaveoneoutlssvm”，” MSE”}）;
>> [α，B] = trainlssvm（{X，Y，类型，GAM，SIG2，” RBF_kernel”}）;
>> plotlssvm（{X，Y，type，gam，sig2，'RBF_kernel'}，{alpha，b}）;

的代码中使用的单纯形法和上面找到最佳参数留一法交叉验证和训练的模型并给我阿尔法（支持矢量值在训练集合中的所有数据点）和b的系数。然而，它并没有给我变量Y的预测。它只绘制了情节。在一些文章中，我看到了情节类似下面，

正如我前面所说的，LS-SVM工具箱不给我Y的预测值，只汲取的情节，但在工作区中的任何值。我怎样才能得到这些值，并将预测值与实际值一起画出来？

有一个解决方案，我想的。通过使用训练集中的X值，我重新运行模型并通过使用simlssvm命令获得对Y值的预测，但对我来说这似乎不合理。您可以提供的任何解决方案？提前致谢。

Answer 1

恐怕你已经回答了你自己的问题。获得LS-SVMLab中训练点预测的唯一方法是在训练模型后模拟训练点。

Answer 2

[YP，α，B，GAM，SIG2，模型] = LSSVM（X，Y， 'F'）

当u使用此功能YP为预测值