混淆矩阵 有没有做过支持向量机做预测模型的matlab程序做个参考？

有没有做过支持向量机做预测模型的matlab程序做个参考？泻药，应该用支持向量机做回归预测！没有预测，但根据被试的描述，j只与三个变量XYZ同时相关。它可以用支持向量机进行回归预测，得到J变量，但我不

有没有做过支持向量机做预测模型的matlab程序做个参考？

泻药，应该用支持向量机做回归预测！没有预测，但根据被试的描述，j只与三个变量XYZ同时相关。它可以用支持向量机进行回归预测，得到J变量，但我不知道时间1的x，y和Z。根据时间t的x、y、Z进行预测是不可行的，但可以找到前后时间的对应关系，然后用支持向量回归机进行预测。介绍了一种新的数据挖掘方法——支持向量机。它是关于回归的介绍

分类和回归问题应该根据训练样本函数g（x）找到一个真值。回归问题的要求是：给定一个新的模式，根据训练集推断出相应的输出y（实数）。

换句话说，y=g（x）用于推断任何输入x的相应输出值。分类问题是：给定一个新模式，根据训练集推断其相应的类别（如：1，-1）。也就是说，用y=sign（g（x））来推断任何输入x对应的类别，综上所述，回归问题和分类问题的本质是一样的，唯一的区别是它们的输出值范围不同。在分类问题中，只有两个值可以作为输出，而在回归问题中，任何实数都可以作为输出。

支持向量机回归与分类的区别？

谢谢。我可以确切地说，不！也许首先，为什么深度学习被称为“深度”？从当前技术的角度来看，深度学习结合底层特征，形成更抽象的属性类别或特征的高层表示，从而发现数据的分布式特征表示。

深度学习属于前者，它有很多参数需要调整，是一个非常大的参数模型。一般的机器学习模型属于后者，它需要强大的特征来分离数据，最终得到不同的类别。

一般来说，目前深度学习确实有很多优势。例如，对我来说，这是非常简单和暴力的。它不需要很长时间来调整参数，清理数据，并把它扔进去看看结果。如果不好，调整参数继续尝试。一般的机器学习模型不是这样的。它需要大量的特征工程。但是，深度学习有一个问题，到目前为止还没有解决的工程。它是一个可解释性差的“黑匣子”，导致系统出现错误，无法快速找出原因或追溯以前的错误。所以在工程中，我们实际上更喜欢特征少的工程和解释性强的模型来获得更好的结果。我们期待着深学在未来科学技术的进一步发展。

我将在这里发表所有关于算法、机器学习和深度学习的有趣文章。

编写代码不容易。如果这篇文章对你有帮助，请喜欢