“最小二乘支持向量机LSSVM回归预测程序（带实例、易上手）”及lssvm分类程序（仅限
Windows系统）
最近实验室师弟问我有没有适合快速上手的回归预测代码，最好能直接套数据出结果的那种。我反
手就把用了三年的LSSVM工具箱甩了过去——这玩意儿在Windows上跑回归预测就跟开挂似的，特别适合赶
论文deadline的朋友们。
先看个实战例子。假设你手头有300组实验数据，前5列是特征，最后一列是目标值。把数据扔进Exce
l存成csv，代码处理部分长这样：
```matlab
data = xlsread('实验数据.xlsx');
input = data(:,1:5)'; % 转置成5x300矩阵
output = data(:,6)'; % 目标值转为行向量
% 数据标准化（重要！）
input = (input - min(input,[],2)) ./ (max(input,[],2)-min(input,[],2));
output = (output - min(output)) / (max(output)-min(output));
% 参数设置
gam = 10; % 正则化参数
sig2 = 0.5; % 核宽度
model = initlssvm(input, output, 'function estimation', gam, sig2, 'RBF_kernel');
model = trainlssvm(model);
predict = simlssvm(model, input);
```
这段代码有几个关键点要注意：
1. 输入输出数据必须是行向量排列（特征数×样本数）
2. 核函数默认用RBF，调参重点在gam和sig2
3. 标准化操作建议别省，特别是不同量纲的特征
跑完预测后想可视化效果？加个残差分析更专业：
```matlab
figure('Color',[1 1 1])
subplot(211)
