我想通过使用 Suykens 等人提出的用于回归的最小二乘支持向量机来进行预测。我正在使用 LS-SVMlab，您可以在此处找到 MATLAB 工具箱。假设我有一个自变量 X 和一个因变量 Y，它们都是模拟的。我正在按照教程中的说明进行操作。
>>X = linspace(-1,1,50)';
>>Y = (15*(X.^2-1).^2.*X.^4).*exp(-X)+normrnd(0,0.1,length(X),1);
>>type = '功能估计';
>>[gam,sig2] = tunelssvm({X,Y,type,[], [],'RBF_kernel'},'simplex',...'leaveoneoutlssvm','mse'});
>>[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel'});
>>plotlssvm({X,Y,type,gam,sig2,'RBF_kernel'},{alpha,b});
上面的代码使用单纯形法和留一法交叉验证找到最佳参数，并训练模型并给我 alphas（训练集中所有数据点的支持向量值）和 b 系数。但是，它没有给我变量 Y 的预测。它只绘制情节。在一些文章中，我看到了如下图，
正如我之前所说，LS-SVM 工具箱没有给我 Y 的预测值，它只绘制绘图但在工作区中没有值。如何获取这些值并绘制预测值与实际值的图表？
我想到了一种解决方案。通过在训练集中使用 X 值，我重新运行模型并使用simlssvm命令获得 Y 值的预测，但这对我来说似乎不合理。您可以提供任何解决方案吗？提前致谢。