• 大小: 218KB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2021-06-12
  • 语言: Matlab
  • 标签: LS-SVM  

资源简介

该代码可用于进行最小二乘支持向量机的训练数据,分类,有demo数据,可直接运行

资源截图

代码片段和文件信息

function [sig_e baymodel] = bay_errorbar(modelXt type nb bay)
% Compute the error bars for a one dimensional regression problem

% >> sig_e = bay_errorbar({XY‘function‘gamsig2} Xt)
% >> sig_e = bay_errorbar(model Xt)

% The computation takes into account the estimated noise variance
% and the uncertainty of the model parameters estimated by
% Bayesian inference. sig_e is the estimated standard deviation of
% the error bars of the points Xt. A plot is obtained by replacing
% Xt by the string ‘figure‘.

%
% Full syntax

%     1. Using the functional interface:

% >> sig_e = bay_errorbar({XY‘function‘gamsig2kernelpreprocess} Xt)
% >> sig_e = bay_errorbar({XY‘function‘gamsig2kernelpreprocess} Xt type)
% >> sig_e = bay_errorbar({XY‘function‘gamsig2kernelpreprocess} Xt type nb)
% >> sig_e = bay_errorbar({XY‘function‘gamsig2kernelpreprocess} ‘figure‘)
% >> sig_e = bay_errorbar({XY‘function‘gamsig2kernelpreprocess} ‘figure‘ type)
% >> sig_e = bay_errorbar({XY‘function‘gamsig2kernelpreprocess} ‘figure‘ type nb)

%       Outputs    
%         sig_e         : Nt x 1 vector with the [$ \sigma^2$] errorbands of the test data
%       Inputs    
%         X             : N x d matrix with the inputs of the training data
%         Y             : N x 1 vector with the inputs of the training data
%         type          : ‘function estimation‘ (‘f‘)
%         gam           : Regularization parameter
%         sig2          : Kernel parameter
%         kernel(*)     : Kernel type (by default ‘RBF_kernel‘)
%         preprocess(*) : ‘preprocess‘(*) or ‘original‘
%         Xt            : Nt x d matrix with the inputs of the test data
%         type(*)       : ‘svd‘(*) ‘eig‘ ‘eigs‘ or ‘eign‘
%         nb(*)         : Number of eigenvalues/eigenvectors used in the eigenvalue decomposition approximation
%
%     2. Using the object oriented interface:

% >> [sig_e bay model] = bay_errorbar(model Xt)
% >> [sig_e bay model] = bay_errorbar(model Xt       type)
% >> [sig_e bay model] = bay_errorbar(model Xt       type nb)
% >> [sig_e bay model] = bay_errorbar(model ‘figure‘)
% >> [sig_e bay model] = bay_errorbar(model ‘figure‘ type)
% >> [sig_e bay model] = bay_errorbar(model ‘figure‘ type nb)

%       Outputs    
%         sig_e     : Nt x 1 vector with the [$ \sigma^2$] errorbands of the test data
%         model(*)  : object oriented representation of the LS-SVM model
%         bay(*)    : object oriented representation of the results of the Bayesian inference
%       Inputs    
%         model     : object oriented representation of the LS-SVM model
%         Xt        : Nt x d matrix with the inputs of the test data
%         type(*)   : ‘svd‘(*) ‘eig‘ ‘eigs‘ or ‘eign‘
%         nb(*)     : Number of eigenvalues/eigenvectors used in the eigenvalue decomposition approximation

% See also:
%   bay_lssvm bay_optimize bay_modoutClass plotlssvm

% Copyright (c) 2002

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2738  2003-02-21 22:39  LS-SVMlab1.5Advanced\AFE.M

     文件       5785  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_errorbar.m

     文件       2003  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_initlssvm.m

     文件      10345  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_lssvm.m

     文件       8187  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_lssvmARD.m

     文件       9358  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_modoutClass.m

     文件       5977  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_optimize.m

     文件       4178  2003-02-21 22:39  LS-SVMlab1.5Advanced\BAY_RR.M

     文件       5632  2003-02-21 22:39  LS-SVMlab1.5Advanced\changelssvm.m

     文件       4245  2003-02-21 22:39  LS-SVMlab1.5Advanced\CODE.M

     文件       2118  2003-02-21 22:39  LS-SVMlab1.5Advanced\codedist_bay.m

     文件        756  2003-02-21 22:39  LS-SVMlab1.5Advanced\codedist_hamming.m

     文件       2018  2003-02-21 22:39  LS-SVMlab1.5Advanced\codedist_loss.m

     文件       4125  2003-02-21 22:39  LS-SVMlab1.5Advanced\codelssvm.m

     文件       5197  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_ECOC.m

     文件        550  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_MOC.m

     文件        364  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_OneVsAll.m

     文件        555  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_OneVsOne.m

     文件       8174  2003-02-21 22:39  LS-SVMlab1.5Advanced\crossvalidate.m

     文件       1886  2003-02-21 22:39  LS-SVMlab1.5Advanced\deltablssvm.m

     文件       3369  2003-02-21 22:39  LS-SVMlab1.5Advanced\democlass.m

     文件       3864  2003-02-21 22:39  LS-SVMlab1.5Advanced\DEMOFUN.M

     文件       4747  2003-02-21 22:39  LS-SVMlab1.5Advanced\demomodel.m

     文件       2239  2003-02-21 22:39  LS-SVMlab1.5Advanced\demo_fixedclass.m

     文件       3099  2003-02-21 22:39  LS-SVMlab1.5Advanced\demo_fixedsize.m

     文件       3337  2003-02-21 22:39  LS-SVMlab1.5Advanced\demo_yinyang.m

     文件       3507  2003-02-21 22:39  LS-SVMlab1.5Advanced\denoise_kpca.m

     文件       3414  2003-02-21 22:39  LS-SVMlab1.5Advanced\EIGN.M

     文件       6927  2003-02-21 22:39  LS-SVMlab1.5Advanced\gridsearch.m

     文件       4042  2003-02-21 22:39  LS-SVMlab1.5Advanced\initlssvm.m

............此处省略55个文件信息

评论

共有 条评论