使用支持向量机分类器对观测数据进行分类万博1manbetx
如果您使用的分类线性SVM模型和模型有很多支持向量,然后使用万博1manbetx预测
因为预测方法可能很慢。为了有效地对基于线性支持向量机模型的观测数据进行分类,可以使用万博1manbetxdiscard万博1manbetxSupportVectors
.
默认情况下,也不论模型核函数,MATLAB<年代up>®年代up>具体来说,使用评分函数的双重表示对基于训练过的支持向量机模型的观测结果进行分类
这种预测方法需要训练的支持向量和万博1manbetxα.系数(见万博1manbetxSupportVectors
和α
SVM模型的性质)。
默认情况下,软件使用普拉特方法计算最优后验概率[1]:
执行10倍交叉验证。
将sigmoid函数参数与交叉验证返回的分数进行拟合。
通过将交叉验证分数输入拟合的s形函数来估计后验概率。
软件培训期间包含在SVM目标函数先验概率。
对于SVM,预测
和resubPredict
将观察结果分类为产生最大分数(最大后验概率)的类别。该软件通过在训练分类器之前进行平均代价修正来计算误分类代价。也就是说,给定类的先验向量P,误分类代价矩阵C,和观察权重向量w,该软件定义一个新的观测权向量(W),这样
将SVM分类模型的预测集成到Simulink中万博1manbetx<年代up>®年代up>,你可以使用ClassificationSVM预测年代pan>在统计和机器学习工具箱™库或MATLAB函数块预测
函数。举例来说,看到预测类标签使用ClassificationSVM预测块和预测类标签使用MATLAB功能块.
在决定使用哪种方法时,请考虑以下几点:
如果使用统计和机器学习工具箱库块,你可以使用<年代trong class="tool">定点的工具(定点设计师)年代pan>将浮点模型转换为定点模型。
万博1manbetx为可变大小的数组支持必须用于与一个MATLAB功能块被使能预测
函数。
如果您使用MATLAB函数块,您可以使用MATLAB函数在同一个MATLAB函数块中进行预测之前或之后的预处理或后处理。
[1]普拉特,J。“概率输出用于支持向量机和比较,以正则似然方法”。万博1manbetx大裕度分类器的进展.麻省理工学院出版社,1999,第61-74页。
ClassificationSVM
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">CompactClassificationSVM
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitSVMPosterior
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">损失
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">resubPredict