新建MicrosoftOfficePowerPoint演示文稿..pptxVIP

支持向量回归机的原理与应用 杨 旋2015.3.17一.讲课的内容1.支持向量回归机的原理。2.Matlab中有关支持向量回归机的函数和参数的使用说明。3.支持向量回归机应用于 的模拟和预测。4.支持向量回归机对上证指数开盘指数的预测。5.Arima模型与SVR的结合预测短期的电力需求的应用。二.本课的目的1.深入了解支持向量回归机的原理。2.熟练使 用Matlab中的支持向量回归机对实际的数据进行模拟和预测。1.支持向量回归机的原理低维可线性回归的SVR1.设2维低维平面上，有一点集1.支持向量回归机的原理2.定义1,若存在一个回归超平面使得 对任意的i都成立,则我们称样本集S是 线性近似的。1.支持向量回归机的原理换句话说，在回归超平面的上下 的通道内包含了所有的样本点。在这样的假设下，我们能知道一个事实，所有的点到回归超平面的距离都满足下式，1.支持向量回归机的原理 显然 是S点集中所有点到回归超平面的一个上界。满足等号成立的点可想而知是在通道中离回归超平面最远的点，这样的点我们把它称为支持向量。而支持向量恰好是能决定回归超平面位置的点。 下面我们看支持向量是怎样确定回归超平面的。1.支持向量回归机的原理点集S的最优近似回归超平面的确定：是通过最大化支持向量到回归超平面的距离而得到的。1.支持向量回归机的原理所以，我们只要计算一个最优化问题可以转化求约束为1.支持向量回归机的原理考虑到一些不在通道内的值，为了减小误差，我们在对模型加入2个松弛变量和一个惩罚变量c。最后只需解：目标函数：约束条件：略…1.支持向量回归机的原理到现在为止，还有个问题需要提出来。那就是你的支持向量是怎么确定的呢？对于低维空间线性不可回归的的数据，又应该如何处理呢？1.支持向量回归机的原理2.Matlab中有关支持向量回归机的函数和参数的使用说明。建模回归模型（训练模型）目的就是为了将自变量x和应变量y之间的函数关系模拟出来.model = svmtrain(y,x,-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01);[ptesty,tmse]=svmpredict(testy,testx,model);2.Matlab中有关支持向量回归机的函数和参数的使用说明。-s svm类型：SVM设置类型(默认0)　0 -- C-SVC　1 --v-SVC　2 – 一类SVM　3 -- e -SVR　4 -- v-SVR-t 核函数类型：核函数设置类型(默认2)　0 – 线性：uv　1 – 多项式：(r*uv + coef0)^degree　2 – RBF函数：exp(-r|u-v|^2)　3 –sigmoid：tanh(r*uv + coef0)2.Matlab中有关支持向量回归机的函数和参数的使用说明。 -d degree：核函数中的degree设置(针对多项式核函数)(默认3)　-g r(gama)：核函数中的gamma函数设置(针对多项式/rbf/sigmoid核函数)(默认1/ k)　-r coef0：核函数中的coef0设置(针对多项式/sigmoid核函数)((默认0)　-c cost：设置C-SVC，e -SVR和v-SVR的参数(损失函数)(默认1)　-n nu：设置v-SVC，一类SVM和v- SVR的参数(默认0.5)　-p p：设置e -SVR 中损失函数p的值(默认0.1)　-m cachesize：设置cache内存大小，以MB为单位(默认40)　-e eps：设置允许的终止判据(默认0.001)　-h shrinking：是否使用启发式，0或1(默认1)　-wi weight：设置第几类的参数C为weight?C(C-SVC中的C)(默认1)　-v n: n-fold交互检验模式，n为fold的个数，必须大于等于23.支持向量回归机应用于 的模拟和预测。