SVR

介绍了SVR算法在圆参数估计中的应用，附带详细的MATLAB代码和数据集，帮助读者深入理解操作流程。

时间序列的预测模型，挺适合做数据走向的趋势判断，像做销量、股价波动啥的都少不了它。嗯，数据多的时候，配个决策树也比较稳，逻辑清晰，能把多变量理顺。机器学习预测模型里，支持向量机回归(SVR)还不错，做分类、回归都能用，尤其金融时间序列预测挺常见，稳。想研究决策树？你可以看看多变量时间序列的模糊决策树，或者决策树.zip里也有资源。需要跑大数据？MapReduce 决策树也能用哦。支持向量机想玩分类？推荐你看看支持向量机分类算法，有实例比较清晰。如果你平时要在金融、挖掘、分类里玩预测模型，可以先把这些资源收藏，回头用得上。

Matlab代码Pattern_Regression_Matlab支持向量回归（SVR）和启示向量回归（RVR）分析，包括交叉验证以评估预测能力。请在使用代码时引用相关论文：Zaixu Cui, Gaolang Gong，《机器学习回归算法及样本大小对基于功能连接特征的个性化行为预测的影响》，NeuroImage，2018年，178: 622-37；Zaixu Cui等，《利用灰质体积个性化预测阅读理解能力》，Cerebral Cortex，2018年，28(5):1656–72；Zaixu Cui等，《个性化预测阅读理解能力的研究》，2018年，Cerebral Cortex，28(5):1

SVR算法MATLAB代码Pattern_Regression这是我们NeuroImage论文的代码，其中涉及不同模式回归算法（包括OLS、Ridge、LASSO、Elastic-Net、SVR、RVR）的比较，以及样本量对预测性能的影响。如果您希望进行个性化的行为预测工作，推荐尝试这些代码。这些代码特别适用于本研究，如需使用，请引用我们的相关论文（Zaixu Cui, Gaolang Gong, 2018年《NeuroImage》）。