本工具箱使用遗传算法对三参数进行寻优处理，适合用于金融产品等其他数据的预测问题。
发在数据挖掘板块，没人用，挺好的东西怎么就……转到本版来，希望有人关注吧。。。
支持向量机是基于小样本回归的神经网络，不吹牛，我用沪深300作为训练集进行参数寻优、训练集回归。直接上图：




SVR文件夹包括三个部分：
Charles Li：
SVR00为主函数；SVR001为归一化函数；SVR002为主成分降维函数；
SVR03为遗传算法寻优函数；SVR04为SVR模型预测函数
GA: 设菲尔德大学开发的遗传算法工具箱
LibSVM：台湾林智仁先生开发的LivSVM工具箱
HuShen300Test.mat：
该文件保存的是沪深300指数从2012年到2013年3月的数据。其中
训练集为2012年到2013年2月，预测集为2013年2月到3月。选取
开盘价、最高价、最低价、成交金额、成交量为自变量，收盘价
为因变量，步长为5。文件用于测试使用。将SVR文件夹添加路径
后输入：
load 1.mat
[ptest,ptrain,model,cmd]=SVR00(Test_y,Test_x,Train_y,Train_x,1)
即可
SVRGenerator.m：
该函数用来将倒入数据生成程序需要的格式。其中num1为训练集
矩阵，num2为预测集矩阵，第一列保存因变量，其后任意列数保
存任意数量的自变量；bc为步长。
调用格式为：
[Train_x,Train_y,Test_x,Test_y]=SVRGenerator(num1,num2,bc)
每个函数的使用说明详见对应的.m文件。
本工具箱借鉴了 libsvm-[farutoUltimate3.1]的部分内容，根据预测需求删改了部分内容，并对函数句柄加以优化，使之更加简洁易懂，更适合金融预测、数据挖掘使用。
辛辛苦苦开发的工具箱，为了方便大家便宜卖了，简直是贱卖埃。。使用、引用还麻烦请注明Charles li SVR 1.0。
如有改进建议欢迎发邮件到spacegoing@gmail.com，由于最近较忙，回复若不及时敬请谅解.