从网上下了一个MATLAB支持向量机的程序

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% SVMNR.m
% Support Vector Machine for Nonlinear Regression
% 支持向量机非线性回归通用matlab程序
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function [Alpha1,Alpha2,Alpha,Flag,B]=SVMNR(X,Y,Epsilon,C,D)
% ChengAihua,PLA Information Engineering University,ZhengZhou,China
% Email:aihuacheng@gmail.com
% All rights reserved
%本程序使用支持向量机法，实现对数据的非线性回归
%输入参数列表
% X 输入样本,n×l的矩阵，n为变量个数，l为样本个数
% Y 输出样本,1×l的矩阵，l为样本个数
% Epsilon ε不敏感损失函数的参数，Epsilon越大，支持向量越少
% C 惩罚系数，C过大或过小，泛化能力变差
% 注意：核函数的设定和修改在函数内部进行，数据预处理在函数外部进行
%输出参数列表
% Alpha1 α系数
% Alpha2 α*系数
% Alpha 支持向量的加权系数（α－α*）向量
% Flag 1×l标记，0对应非支持向量，1对应边界支持向量，2对应标准支持向量
% B 回归方程中的常数项
%第一步：构造K矩阵
[n,l]=size(X);
K=zeros(l,l);
for i=1:l
  for j=1:l
     xi=X(:,i);
     xj=X(:,j);
%K(i,j)=sum(xi.*xj);
%K(i,j)=(sum(xi.*xj)+1)^20;%注意：核函数在此定义！
K(i,j)=exp(-(sum((xi-xj).^2)/D));
%K(i,j)=exp(-(sum((xi-xj))/100));
  end
end
%第二步：构造二次规划模型参数H,Ft,Aeq,Beq,lb,ub
H=[K,-K;-K,K];
H=(H+H')/2;
Ft=[Epsilon*ones(1,l)-Y,Epsilon*ones(1,l)+Y];
Aeq=[ones(1,l),-ones(1,l)];
Beq=0;
lb=eps.*ones(2*l,1);
ub=C*ones(2*l,1);
%第三步：调用优化工具箱quadprog函数求解二次规划
OPT=optimset;
OPT.LargeScale='off';
OPT.Display='off';
[Gamma,Obj]=quadprog(H,Ft,[],[],Aeq,Beq,lb,ub,[],OPT);
%[Gamma,Obj]=fmincon('myfun',5.*ones(18,1),[],[],Aeq,Beq,lb,ub);
%第四步：整理输出参数
Alpha1=(Gamma(1:l,1))';
Alpha2=(Gamma((l+1):end,1))';
Alpha=Alpha1-Alpha2;
Flag=2*ones(1,l);
%第五步：支持向量的分类
Err=0.0000000000001;
for i=1:l
AA=Alpha1(i);
BB=Alpha2(i);
if (abs(AA-0)<=Err)&&(abs(BB-0)<=Err)
Flag(i)=0;
end
if (AA>Err)&&(AA<C-Err)&&(abs(BB-0)<=Err)
Flag(i)=2;
end
if (abs(AA-0)<=Err)&&(BB>Err)&&(BB<C-Err)
Flag(i)=2;
end
if (abs(AA-C)<=Err)&&(abs(BB-0)<=Err)
Flag(i)=1;
end
if (abs(AA-0)<=Err)&&(abs(BB-C)<=Err)
Flag(i)=1;
end
end
%第六步：计算B
B=0;
counter=0;
for i=1:l
AA=Alpha1(i);
BB=Alpha2(i);
if (AA>Err)&&(AA<C-Err)&&(abs(BB-0)<=Err)
%计算支持向量加权值
SUM=0;
for j=1:l
if Flag(j)>0
%SUM=SUM+Alpha(j)*sum(X(:,j).*X(:,i));
%SUM=SUM+Alpha(j)*(sum(X(:,j).*X(:,i))+1)^20;
SUM=SUM+Alpha(j)*exp(-(sum((X(:,j)-X(:,i)).^2)/D));
%SUM=SUM+Alpha(j)*exp(-(sum((X(:,j)-X(:,i)))/100));
end
end
b=Y(i)-SUM-Epsilon;
B=B+b;
counter=counter+1;
end
if (abs(AA-0)<=Err)&&(BB>Err)&&(BB<C-Err)
SUM=0;
for j=1:l
if Flag(j)>0
%SUM=SUM+Alpha(j)*sum(X(:,j).*X(:,i));
%SUM=SUM+Alpha(j)*(sum(X(:,j).*X(:,i))+1)^20;
SUM=SUM+Alpha(j)*exp(-(sum((X(:,j)-X(:,i)).^2)/D));
%SUM=SUM+Alpha(j)*exp(-(sum((X(:,j)-X(:,i)))/100));
end
end
b=Y(i)-SUM+Epsilon;
B=B+b;
counter=counter+1;
end
end
B=B/counter;  



现有一组数据   250个样本  X是5维的 Y是1维的
想用这个程序拟合出来一个Y与X的函数关系……

程序的注释行里面说Y是输出数据 是l*l维的 l是样本个数…… 但是我们的数据Y只是250*1的呀。。。

用这个方法这样可行么……我尝试了一下 就代一组样本进去  然后把数据带入的时候它说
>> SVMNR(X',Y,1e-5,0.1,100)
??? Error using ==> SVMNR
Too many input arguments.


这是什么情况啊……

在线等高人解答…………