① matab支持向量機libsvm工具箱，裡面的參數-p是不是理論知識里的不敏感損失函數ε，那麼哪個
p確實是episilon，但鬆弛因子是演算法由原始問題轉換為對偶問題後，就不需要求解了，因此不用在SVR里設置這個參數了。對偶問題里仍包含episilon，因此需要這個參數。
② 如何在MATLAB中添加SVM函數工具箱
matlab2014a以後自帶svm工具箱，但只能處理二分類問題，兩個核心函數為：
SVMStruct=svmtrain（training，group） ---用於訓練分類模型
Group = svmclassify( SVMStruct , Sample ) ---用於分類
③ SVM娣峰悎鏍稿嚱鏁癿atlab浠ｇ爜奼傚姪
SVM鍦╩atlab涓瀹炵幇錛
棣栧厛闇瑕丮ATLAB SVM Toolbox錛屽皢鍏朵腑鐨勬枃浠惰В鍘嬪苟鍛藉悕涓簊vm銆
灝嗘枃浠舵嫹鍒癊:matlab oolbox銆
鎵撳紑matlab鐐瑰嚮set path---->add folder 錛岀劧鍚庢妸宸ュ叿綆辨枃浠跺す娣誨姞榪涘幓灝卞彲浠ヤ簡銆
璺寰勫姞榪涘幓鍚庡湪file鈫扨references鈫扜eneral鐨凾oolbox Path Caching閲岀偣鍑籾pdate Toolbox Path Cache鏇存柊涓涓嬨
鏈鍚庡湪matlab鐨勫懡浠ゆ爮涓杈撳叆which svcoutput鍙浠ユ煡鐪嬭礬寰凟:matlab oolboxsvmsvcoutput.m灝卞彲浠ヤ簡銆
④ 關於matlab的SVM工具箱的幾個函數
能不用自帶函數不，給你個最小二乘支持向量機的自編代碼
clear all;
clc;
N=35; %樣本個數
NN1=4; %預測樣本數
%********************隨機選擇初始訓練樣本及確定預測樣本*******************************
x=[];
y=[];
index=randperm(N); %隨機排序N個序列
index=sort(index);
gama=23.411; %正則化參數
deita=0.0698; %核參數值
%thita=; %核參數值
%*********構造感知機核函數*************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=tanh(deita*(x1'*x2)+thita);
% end
%end
%*********構造徑向基核函數**************************************
for i=1:N
x1=x(:,index(i));
for j=1:N
x2=x(:,index(j));
x12=x1-x2;
K(i,j)=exp(-(x12'*x12)/2/(deita*deita));
end
end
%*********構造多項式核函數****************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=(1+x1'*x2)^(deita);
% end
%end
%*********構造核矩陣************************************
for i=1:N-NN1
for j=1:N-NN1
omeiga1(i,j)=K(i,j);
end
end
omeiga2=omeiga1';
omeiga=omeiga2+(1/gama)*eye(N-NN1);
A12=ones(1,N-NN1);
A21=A12';
A=[0 A12;A21 omeiga];
%**************************************
for i=1:N-NN1
B21(i,:)=y(index(i));
end
B=[0;B21];
%********LS-SVM模型的解******************************
C=A\B;
%******
b=C(1); %模型參數
for i=1:N-NN1
aipha(i)=C(i+1); %模型參數，行向量
end
%*******************************************
for i=1:N %預測模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index
⑤ 高分求助 matlab自帶工具箱中的svmtrain用法,要中文的,詳細點
Svmtrain的用法：
svmtrain [options] training_set_file [model_file]
Options：可用的選項即表示的涵義如下
-s svm類型：SVM設置類型(默認0)
0 -- C-SVC
1 --v-SVC
2 – 一類SVM
3 -- e -SVR
4 -- v-SVR
-t 核函數類型：核函數設置類型(默認2)
0 – 線性：u'v
1 – 多項式：(r*u'v + coef0)^degree
2 – RBF函數：exp(-r|u-v|^2)
3 –sigmoid：tanh(r*u'v + coef0)
-d degree：核函數中的degree設置(默認3)
-g 函數設置(默認1/ k)r(gama)：核函數中的
-r coef0：核函數中的coef0設置(默認0)
-c cost：設置C-SVC， -SVR的參數(默認1)-SVR和
- SVR的參數(默認0.5)-SVC，一類SVM和-n nu：設置
-SVR-p e：設置的值(默認0.1)中損失函數
-m cachesize：設置cache內存大小，以MB為單位(默認40)
-e ：設置允許的終止判據(默認0.001)
-h shrinking：是否使用啟發式，0或1(默認1)
-wi C(C-SVC中的C)(默認1)weight：設置第幾類的參數C為weight
-v n: n-fold交互檢驗模式
其中-g選項中的k是指輸入數據中的屬性數。option -v 隨機地將數據剖分為n部分並計算交互檢驗准確度和均方根誤差。以上這些參數設置可以按照SVM的類型和核函數所支持的參數進行任意組合，如果設置的參數在函數或SVM類型中沒有也不會產生影響，程序不會接受該參數；如果應有的參數設置不正確，參數將採用默認值。training_set_file是要進行訓練的數據集；model_file是訓練結束後產生的模型文件，文件中包括支持向量樣本數、支持向量樣本以及lagrange系數等必須的參數；該參數如果不設置將採用默認的文件名，也可以設置成自己慣用的文件名。