原博客：http://www.matlabsky.com/thread-12390-1-1.html
http://www.matlabsky.com/thread-18552-1-1.html
回归问题，个人理解是相当于有一个函数y=f(x)（也可能是n维的函数），这个函数可能是知道表达式，也可能不知道表达式。我们需要通过一组向量(x,y)进行训练得到一个模型model，这个model也相当于是根据已知的训练集(x,y)，而得到的"f(x)表达式"，然后使用测试集在得到的model上进行预测。
原博主是通过y=-x^2这个表达式进行训练，在图像上显示原始数据和回归数据。
运行原博的代码后出现错误有
Usage: [predicted_label, accuracy, decision_values/prob_estimates] = svmpredict(testing_label_vector, testing_instance_matrix, model, 'libsvm_options')
[predicted_label] = svmpredict(testing_label_vector, testing_instance_matrix, model, 'libsvm_options')
Parameters:
错误使用 plot 矢量长度必须相同。
并且控制台的预测值输出为空
错误提示是我使用svmpredict的参数没有设置正确，所以导致预测输出得到的结果为空，进而使plot函数的x和y向量长度不同。
原因可能是原作者当时使用的libsvm的版本和我现在使用的不同，所以参数需要修改。
我使用的是MATLAB R2014a，libsvm-3.22
关于配置libsvm我的另一篇博客中也有记录：https://blog.csdn.net/folk_/article/details/79910270
修改过后的代码如下：（初学，加了一些备注）
%%clean work
tic;%记录运行时间
close all;%关闭所有figure窗口
clear;%清空变量
clc;%清空命令
format compact;%空格紧凑
%生成待回归的数据
x = (-1:0.1:1)';
y = -x.^2;
%建立回归模型
model = svmtrain(y,x,'-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01');
%利用建立的模型看其在训练集上的回归效果
[py,mse,prob] = svmpredict(y,x,model,'-b 0');
figure;%建立一个窗口
plot(x,y,'o');%原始数据以o这种形式标记
hold on;%保持当前图像不刷新
plot(x,py,'r*');%回归数据以红色的*标记
legend('原始数据','回归数据');%设置图例线条
grid on;%画图的时候添加网格线
%进行预测
testx = [1.1;1.2;1.3];
display('真实数据');%控制台输出
testy = -testx.^2
[ptesty,tmse,prob2] = svmpredict(testy,testx,model,'-b 0');
display('预测数据');
ptesty
toc以下是运行的正确结果：
至此，我第一个SVR实例就成功运行了。