matlab30个案例分析案例14-SVM神经网络的回归预测分析Word格式文档下载.docx

matlab30个案例分析案例14-SVM神经网络的回归预测分析Word格式文档下载.docx

《matlab30个案例分析案例14-SVM神经网络的回归预测分析Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《matlab30个案例分析案例14-SVM神经网络的回归预测分析Word格式文档下载.docx（5页珍藏版）》请在冰豆网上搜索。

%画出原始上证指数的每日开盘数

figure;

plot（ts,'

LineWidth'

2）;

title（'

上证指数的每日开盘数（1990.12.20-2009.08.19）'

'

FontSize'

12）;

xlabel（'

交易日天数（1990.12.19-2009.08.19）'

ylabel（'

开盘数'

gridon;

%数据预处理,将原始数据进行归一化

ts=ts'

;

tsx=tsx'

%mapminmax为matlab自带的映射函数

%对ts进行归一化

[TS,TSps]=mapminmax（ts,1,2）;

%画出原始上证指数的每日开盘数归一化后的图像

plot（TS,'

原始上证指数的每日开盘数归一化后的图像'

归一化后的开盘数'

%对TS进行转置,以符合libsvm工具箱的数据格式要求

TS=TS'

%mapminmax为matlab自带的映射函数

%对tsx进行归一化

[TSX,TSXps]=mapminmax（tsx,1,2）;

%对TSX进行转置,以符合libsvm工具箱的数据格式要求

TSX=TSX'

%%选择回归预测分析最佳的SVM参数c&

g

%首先进行粗略选择:

[bestmse,bestc,bestg]=SVMcgForRegress（TS,TSX,-8,8,-8,8）;

%打印粗略选择结果

disp（'

打印粗略选择结果'

str=sprintf（'

BestCrossValidationMSE=%gBestc=%gBestg=%g'

bestmse,bestc,bestg）;

disp（str）;

%根据粗略选择的结果图再进行精细选择:

[bestmse,bestc,bestg]=SVMcgForRegress（TS,TSX,-4,4,-4,4,3,0.5,0.5,0.05）;

%打印精细选择结果

打印精细选择结果'

%%利用回归预测分析最佳的参数进行SVM网络训练

cmd=['

-c'

num2str（bestc）,'

-g'

num2str（bestg）,'

-s3-p0.01'

];

model=svmtrain（TS,TSX,cmd）;

%%SVM网络回归预测

[predict,mse]=svmpredict（TS,TSX,model）;

predict=mapminmax（'

reverse'

predict'

TSps）;

predict=predict'

%打印回归结果

均方误差MSE=%g相关系数R=%g%%'

mse

（2）,mse（3）*100）;

%%结果分析

holdon;

-o'

plot（predict,'

r-^'

legend（'

原始数据'

回归预测数据'

holdoff;

原始数据和回归预测数据对比'

error=predict-ts'

plot（error,'

rd'

误差图（predicteddata-originaldata）'

误差量'

error=（predict-ts'

）./ts'

相对误差图（predicteddata-originaldata）/originaldata'

相对误差量'

snapnow;

toc;

%%子函数SVMcgForRegress.m

function[mse,bestc,bestg]=SVMcgForRegress（train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,msestep）

%SVMcgcrossvalidationbyfaruto

%byfaruto

%Email:

patrick.lee@QQ:

516667408BNU

%lastmodified2010.01.17

%SuperModerator@

%若转载请注明：

%farutoandliyang,LIBSVM-farutoUltimateVersion

%atoolboxwithimplementsforsupportvectormachinesbasedonlibsvm,2009.

%Softwareavailableat

%

%Chih-ChungChangandChih-JenLin,LIBSVM:

alibraryfor

%supportvectormachines,2001.Softwareavailableat

%http:

//www.csie.ntu.edu.tw/~cjlin/libsvm

%abouttheparametersofSVMcg

ifnargin<

10

msestep=0.06;

end

8

cstep=0.8;

gstep=0.8;

7

v=5;

5

gmax=8;

gmin=-8;

3

cmax=8;

cmin=-8;

%X:

cY:

gcg:

acc

[X,Y]=meshgrid（cmin:

cstep:

cmax,gmin:

gstep:

gmax）;

[m,n]=size（X）;

cg=zeros（m,n）;

eps=10^（-4）;

bestc=0;

bestg=0;

mse=Inf;

basenum=2;

fori=1:

m

forj=1:

n

cmd=['

-v'

num2str（v）,'

-c'

num2str（basenum^X（i,j））,'

num2str（basenum^Y（i,j））,'

-s3-p0.1'

cg（i,j）=svmtrain（train_label,train,cmd）;

ifcg（i,j）<

mse

mse=cg（i,j）;

bestc=basenum^X（i,j）;

bestg=basenum^Y（i,j）;

end

ifabs（cg（i,j）-mse）<

=eps&

&

bestc>

basenum^X（i,j）

end

%todrawtheaccwithdifferentc&

g

[cg,ps]=mapminmax（cg,0,1）;

[C,h]=contour（X,Y,cg,0:

msestep:

0.5）;

clabel（C,h,'

10,'

Color'

r'

log2c'

log2g'

firstline='

SVR参数选择结果图（等高线图）[GridSearchMethod]'

secondline=['

Bestc='

num2str（bestc）,'

g='

num2str（bestg）,...

'

CVmse='

num2str（mse）];

title（{firstline;

secondline},'

Fontsize'

meshc（X,Y,cg）;

%mesh（X,Y,cg）;

%surf（X,Y,cg）;

axis（[cmin,cmax,gmin,gmax,0,1]）;

zlabel（'

MSE'

SVR参数选择结果图（3D视图）[GridSearchMethod]'