SVR的顺序最小优化（SMO）：SVR_SMO使用SMO求解器和不同的核（线性，rbf，多项式，S形）创建SVR模型-matla...

在文件svr_test.m中运行示例SVR_SMO 使用 SMO 求解器创建 SVR 模型向量x（mx1），y（mx1）对应于y = f（x）的点集是x个实数值的实函数。 SMO求解器使用常数C，tol（公差），eps（ε），T（最大Iter）。 的选择内核以类型定义（“ l”表示线性，“ r”表示rbf，“ p”表示多项式和's' forsigmoid）。 根据内核的选择将使用附加的纳尔参数（伽玛，偏移和功率）。 训练结果将以alpha系数和b给出临界点。 实施者：Flake、Gary William 和 Steve Lawrence。 “高效的“使用SMO进行SVM回归训练”，《机器学习》，第46卷，第1-3期（2002年）：271-290。