为什么Matlab SVR不是工作指数波动数据,可以很好的处理数据?

2视图(30天)

显示旧的评论

antlhem 2021年5月29日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/842800-why-matlab-svr-is-not-working-for-exponential-data-and-works-well-with-data-that-fluctuates

回答: Aditya帕蒂尔 2021年7月14日

我正在做一些测试与SVR在Matlab函数。有一组数据与波动和另一组光滑指数数据。1日,SVR能够执行好回归,但与指数数据甚至没有得到相同的趋势。为什么?如何使回归指数数据一样好吗?

代码和结果数据与波动

                         % % SVR与FLUCTUATUATIONS测试数据
                        
                         清晰的所有
                        
                         负载carsmall
                        
                         rng“默认”%的再现性
                        
                         指数= 1:10 0;
                        
                         指数=指数”;
                        
                         X =[马力(1:90,1)、体重(1:90 1)];
                        
                         Y = MPG (1:90, 1);
                        
                         Mdl = fitrsvm (X, Y)
                        
                         % %回归测试
                        
                         %利用回归模型得到最后10%的马力
                        
                         YFit =预测(Mdl(功率、重量));
                        
                         % %
                        
                         情节(英里/加仑,“线宽”1);
                        
                         持有在
                        
                         情节(指数(90:结束),YFit(90:结束),“线宽”2);
                        
                         情节(索引(1:90)YFit (1:90),“线宽”2);
                        
                         传奇(的真实数据,“Unseen-data回归”,“信息回归”)
                        
                         集(gca),“字形大小”15);
                        
                         网格在;
                        
                         网格小;
                        
                         包含(“指数”);
                        
                         ylabel (“英里每加仑(MPG)”);

回归测试数据的结果与波动

与NO-fluctuations代码和结果数据

                         % % SVR与指数数据测试
                        
                         清晰的所有
                        
                         数据= xlsread (“测试data.xlsx”);
                        
                         rng“默认”%的再现性
                        
                         指数= 1:42;%
                        
                         指数=指数”;
                        
                         X =[(1时35,抵达2)数据,数据(1时35,抵达3)];
                        
                         Y =数据(1时35,抵达1);
                        
                         Mdl = fitrsvm (X, Y)
                        
                         % %回归测试
                        
                         %利用回归模型得到最后10%的马力
                        
                         YFit =预测(Mdl[(:, 2),数据(:,3)));
                        
                         % %
                        
                         情节(数据(:1),“线宽”1);
                        
                         持有在
                        
                         情节(指数(35:结束),YFit(35:结束),“线宽”2);
                        
                         情节(索引(1时35)抵达YFit(1时35)抵达,“线宽”2);
                        
                         传奇(的真实数据,“Unseen-data回归”,“信息回归”)
                        
                         集(gca),“字形大小”15);
                        
                         网格在;
                        
                         网格小;
                        
                         包含(“指数”);
                        
                         ylabel (的指数数据);