用于在matlab中实现非线性回归的支持向量机svm算法-Used matlab to implement non-linear regression algorithm of support vector machines svm

支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。-SVM and BP neural networks, although non-linear regr

使用支持向量机进行非线性回归，得到非线性函数y=f(x1,x2,…,xn)的支持向量解析式， 求解二次规划时调用了优化工具箱的quadprog函数。本函数在程序入口处对数据进行了 [-1,1]的归一化处理，所以计算得到的回归解析式的系数是针对归一化数据的，仿真测 试需使用与本函数配套的Regression函数。- Using non-linear support vector machine regression, nonlinear function y = f (x1,

针对各种机器学习，深度学习领域的一个matlab工具包-A machine learning library focused on deep learning.Following algorithms and models are provided along with some static utility classes: - Naive Bayes, Linear Regression, Logistic Regression, Softmax Regression, Linear S