2022年matlab个案例分析案例-SVM神经网络的回归预测分析 .pdf

《2022年matlab个案例分析案例-SVM神经网络的回归预测分析 .pdf》由会员分享，可在线阅读，更多相关《2022年matlab个案例分析案例-SVM神经网络的回归预测分析 .pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、%SVM 神经网络的回归预测分析-上证指数开盘指数预测%清空环境变量function chapter14tic;close all;clear;clc;format compact;%数据的提取和预处理%载入测试数据上证指数(1990.12.19-2009.08.19)%数据是一个4579*6 的 double 型的矩阵,每一行表示每一天的上证指数%6 列分别表示当天上证指数的开盘指数,指数最高值,指数最低值,收盘指数,当日交易量,当日交易额.load chapter14_sh.mat;%提取数据m,n=size(sh);ts=sh(2:m,1);tsx=sh(1:m-1,:);%画出原始上证

2、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),FontSize,12);ylabel(开盘数,FontSize,12);grid on;%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figure;plot(T

3、S,LineWidth,2);title(原始上证指数的每日开盘数归一化后的图像,FontSize,12);xlabel(交易日天数(1990.12.19-2009.08.19),FontSize,12);名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 5 页 -ylabel(归一化后的开盘数,FontSize,12);grid on;%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 libs

4、vm 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(Best CrossValidation MSE=%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,

5、0.05);%打印精细选择结果disp(打印精细选择结果);str=sprintf(Best CrossValidation MSE=%gBestc=%gBestg=%g,bestmse,bestc,bestg);disp(str);%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),-s 3-p 0.01;model=svmtrain(TS,TSX,cmd);%SVM 网络回归预测predict,mse=svmpredict(TS,TSX,model);predict=mapminmax(reverse,predic

6、t,TSps);predict=predict;%打印回归结果str=sprintf(均方误差MSE=%g 相关系数R=%g%,mse(2),mse(3)*100);disp(str);%结果分析figure;名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页，共 5 页 -hold on;plot(ts,-o);plot(predict,r-);legend(原始数据,回归预测数据);hold off;title(原始数据和回归预测数据对比,FontSize,12);xlabel(交易日天数(1990.12.19-2009.08.19),FontSize,12);ylabel(开盘数,

7、FontSize,12);grid on;figure;error=predict-ts;plot(error,rd);title(误差图(predicted data-original data),FontSize,12);xlabel(交易日天数(1990.12.19-2009.08.19),FontSize,12);ylabel(误差量,FontSize,12);grid on;figure;error=(predict-ts)./ts;plot(error,rd);title(相对误差图(predicted data-original data)/original data,FontS

8、ize,12);xlabel(交易日天数(1990.12.19-2009.08.19),FontSize,12);ylabel(相对误差量,FontSize,12);grid on;snapnow;toc;%子函数SVMcgForRegress.mfunctionmse,bestc,bestg=SVMcgForRegress(train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,msestep)%SVMcgcrossvalidation by faruto%by faruto%Email: QQ:516667408 http:/ modifie

9、d 2010.01.17%SuperModerator %若转载请注明：%faruto and liyang,LIBSVM-farutoUltimateVersion%a toolbox with implements for support vector machines based on libsvm,2009.%Software available at http:/%名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 5 页 -%Chih-Chung Changand Chih-JenLin,LIBSVM:alibrary for%support vector machine

10、s,2001.Software available at%http:/www.csie.ntu.edu.tw/cjlin/libsvm%about the parameters of SVMcgif nargin 10msestep=0.06;endif nargin 8cstep=0.8;gstep=0.8;endif nargin 7v=5;endif nargin 5gmax=8;gmin=-8;endif nargin 3cmax=8;cmin=-8;end%X:c Y:gcg:accX,Y=meshgrid(cmin:cstep:cmax,gmin:gstep:gmax);m,n=s

11、ize(X);cg=zeros(m,n);eps=10(-4);bestc=0;bestg=0;mse=Inf;basenum=2;for i=1:mfor j=1:ncmd=-v,num2str(v),-c,num2str(basenumX(i,j),-g,num2str(basenumY(i,j),-s3-p 0.1;cg(i,j)=svmtrain(train_label,train,cmd);if cg(i,j)msemse=cg(i,j);bestc=basenumX(i,j);bestg=basenumY(i,j);名师资料总结-精品资料欢迎下载-名师精心整理-第 4 页，共 5

12、页 -endif abs(cg(i,j)-mse)basenumX(i,j)mse=cg(i,j);bestc=basenumX(i,j);bestg=basenumY(i,j);endendend%to draw the accwith different c&gcg,ps=mapminmax(cg,0,1);figure;C,h=contour(X,Y,cg,0:msestep:0.5);clabel(C,h,FontSize,10,Color,r);xlabel(log2c,FontSize,12);ylabel(log2g,FontSize,12);firstline=SVR参数选择结

13、果图(等高线图)GridSearchMethod;secondline=Best c=,num2str(bestc),g=,num2str(bestg),.CVmse=,num2str(mse);title(firstline;secondline,Fontsize,12);grid on;figure;meshc(X,Y,cg);%mesh(X,Y,cg);%surf(X,Y,cg);axis(cmin,cmax,gmin,gmax,0,1);xlabel(log2c,FontSize,12);ylabel(log2g,FontSize,12);zlabel(MSE,FontSize,12);firstline=SVR参数选择结果图(3D 视图)GridSearchMethod;secondline=Best c=,num2str(bestc),g=,num2str(bestg),.CVmse=,num2str(mse);title(firstline;secondline,Fontsize,12);名师资料总结-精品资料欢迎下载-名师精心整理-第 5 页，共 5 页 -