Predição usando regressão SVM?

você deve usar a função Kernel como RBF ou gaussian e assim por diante.

o kernel padrão do SVM é K (xi, xj) = xi*xje é um kernel linear. Claro, você só pode obter um resultado de regressão linear.

Código como

x = 0:0.01:5 ;
y = sin(x)+rand(1, length(x)) ;
x = x' ;
y = y' ;
tb = table(x,y) ;
Mdl = fitrsvm(tb,'y','KernelFunction','gaussian');
YFit = predict(Mdl,tb);                                
scatter(x,y);                                                   
hold on                                                
plot(x,YFit,'r.')

========================================================== =======================
Quanto à precisão do resultado, depende de muitos fatores como o tipo de kernel, o ajuste do coeficiente de punição ou qualquer outra coisa, normalmente precisa de tempos para ajustar os parâmetros. a validação cruzada pode ajudá-lo a encontrar um bom conjunto de parâmetros