最近开始学习了，支持向量机最终能回归吗？ 是否能取得好的效果，我真的很困惑。 至少在libsvm中没有取得好的效果。 但是，像在空中飞舞一样有很好效果的文献是假的吗？ 我很困惑。 期待tsdjd的指导，试着把我自己做的结果发送到这里。 通过结构的函数模型进行验证。
clear clc；
%一元函数的回归和预测，没关系
x1=(-1:0.1:1 ) )；
y=-x1.^2； plot(x1，y，' ro ' )； 保持接通；
模型=SVM train (y，x1，'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01 )；
[py，MSE]=SVMpredict(y，x1，model )；
plot(x1、py、' b* )； testx=[1.1 1.2 1.3] '； testy=-testx.^2；
%testx=[-0.55 -0.65 -0.75] '； testy=-testx.^2； 取值在区间内有效。 这是我自己做的。
[pyt，MSE]=SVMpredict(testy，testx，model )； %这是一个视频示例
clear clc；
%一元函数的回归和预测、参数的优秀再预测非常有效
x1=(-1:0.1:1 ) )；
y=-x1.^2；
plot(x1，y，' ro ' )； 保持接通；
[bestmse，bestc，bestg]=svmcgforregress(y，x1，-10，-20，- 10，10 )；
cmd=['-s 3 -t 2 '、'-c '、num2str(bestc )、'-g )、num2str(bestc ) ]
模型=SVM train (y，x1，cmd )；
[py，MSE]=SVMpredict(y，x1，model )；
plot(x1、py、' b* )； testx=[1.1 1.2 1.3] '； testy=-testx.^2.sin(testx )；
[pyt，MSE]=SVMpredict(testy，testx，model )；
clear clc；
%可以回归和预测一元函数，优化和预测参数，实现效果
x1=(-1:0.1:1 ) )；
y=-x1.^23*sin(x1 )；
plot(x1，y，' ro ' )； 保持接通；
[bestmse，bestc，bestg]=svmcgforregress(y，x1，-10，-20，- 10，5 )；
%cmd=['-s 3 -t 2 '、'-c '、num2str(bestc )、'-g )、num2str(bestc ) ]
模型=SVM train (y，x1，'-s 3 -t 2 -c8 -g 0.5 -p 0.01 )；
[py，MSE]=SVMpredict(y，x1，model )；
plot(x1、py、' b* )； testx=[1.1 1.2 1.3] '； testy=-testx.^2.3*sin(testx )；
%二元函数的回归和预测效果非常差
x1=(-1:0.1:1 ) )； x2=(0:0.1:2 )； x=[x1 x2]；
y=-x1.^3sin(x2 )；
[bestmse，bestc，bestg]=svmcgforregress(y，x，-10，-30，- 10，10，3，0.5，0.5 )；
cmd=['-s 3 -t 2 '、'-c '、num2str(bestc )、'-g )、num2str(bestc ) ]
模型=SVM train (y，x，cmd )；
[py，MSE]=SVMpredict(y，x，model )；
testx1=[1.1 1.2 1.3] '； testx2=[2 2.1 2.2] '； testy=-testx1.^3sin(testx2 )；
[pyt，MSE]=SVMpredict(testy，[testx1，testx2]，model )；
p=() (pyt-testy )./testy ) '；