resubMargin

查找由resubstitution支持向量机（SVM）分类分级利万博1manbetx润率

折叠所有页面

句法

米= resubMargin（SVMModel）

描述

例

米= resubMargin（SVMModel）返回resubstitution分类利润率（米）为支持向量机（SV万博1manbetxM）分类SVMModel使用存储在训练数据SVMModel.X和存储在相应的类别标签SVMModel.Y。

米返回为一个数值向量具有相同的长度ÿ。该软件估计，每个条目米用训练SVM分类SVMModel中，相应的行X，而真正的类标签ÿ。

例子

全部收缩

开立真实脚本

加载电离层数据集。

加载电离层

训练SVM分类器。标准化的数据和指定'G'是正课。

SVMModel = fitcsvm（X，Y，“类名”{'B'，'G'}，“标准化”，真正）;

SVMModel是ClassificationSVM分类。

估计样品中分类的利润率。

米= resubMargin（SVMModel）;米（10:20）
ANS =11×15.5618 4.2918 1.9996 4.5519 -1.4895 3.2814 4.0258 4.5419 16.4436 2.0005⋮

观察余量是所观察到的（真）类得分减去最大假类得分中相应的类中的所有分数中。能产生相对大的边缘分类器是优选的。

开立真实脚本

从多个模型比较样品中，利润率执行特征选择。仅仅基于这一比较，最高的利润模型是最好的模型。

加载电离层数据集。定义两组数据：

  • fullX包含所有预测器（除0的所移除的列）。

  • partX包含最后20个预测。

加载电离层fullX = X;partX = X（：，端-20：端）;

火车SVM分类的每个预测集。

FullSVMModel = fitcsvm（fullX，Y）;PartSVMModel = fitcsvm（partX，Y）;

估计该样品中，页边距为每个分类器。

fullMargins = resubMargin（FullSVMModel）;partMargins = resubMargin（PartSVMModel）;N =尺寸（X，1）;P =总和（fullMargins 
                   
p值= 0.2251

大约从完整模型的边缘的22％小于那些由具有较少预测模型。这表明，所有预测训练模型更好。

输入参数

全部收缩

全面，训练有素的SVM分类，指定为ClassificationSVM模型的培训fitcsvm。

更多关于

全部收缩

分级刃

该边缘是的加权平均分类利润率。

权重是事先类概率。如果你提供的权重，那么软件标准化他们总结的先验概率在各自所属类别。该软件使用重正化的权重来计算加权平均。

多个分类中的一种方式进行选择，例如，进行特征选择，是选择产生最高边缘分类。

分类极限

该分类极限用于二元分类，对每个观察，分类评分为真类和分类评分为假类之间的差。

软件定义的分类极限的二元分类为

米 = 2 ÿ F （ X ） 。

X是一个观察。如果真正标签X是正课，然后ÿ是1，并且否则返回-1。F（X）是正类别分类分值观察X。分类余量通常被定义为米=ÿF（X）。

如果利润率是相同的规模，那么他们作为分类置信度。在多个分类，那些产生更大的利润更好。

分类评分

该SVM分类评分对于分类观察X从符号距离X在决策边界，从-∞到+∞。一类正分表明，X被预测为在该类中。负分另有指示。

正类分类评分 F （ X ） 是训练的SVM分类功能。 F （ X ） 也是数值，预测响应X或分数预测X进入正类。

F （ X ） = Σ Ĵ = 1 ñ α Ĵ ÿ Ĵ G （ X Ĵ ， X ） + b ，

哪里 （ α 1 ， ... ， α ñ ， b ） 是所估计的SVM的参数， G （ X Ĵ ， X ） 介于两者之间的预测空间的点积X和支承载体，以及万博1manbetx总和包括在训练集的意见。负类分类评分X或分数预测X成阴性类，是 -F（X）。

如果G（XĴ，X）=XĴ“X（线性内核），则该得分函数简化为

F （ X ） = （ X / 小号 ） “ β + b 。

小号是内核和规模β是线性拟合系数的矢量。

有关详细信息，请参阅理解支持向量机万博1manbetx。

算法

对于二元分类，软件定义观察保证金Ĵ，米Ĵ作为

米 Ĵ = 2 ÿ Ĵ F （ X Ĵ ） ，

哪里ÿĴε{-1,1}，和F（XĴ）是观察预测分数Ĵ对于正类。然而，米Ĵ=ÿĴF（XĴ）通常用于定义裕度。

参考

[1] Christianini，N.，和J. C. Shawe-泰勒。简介支持向量机和其他基于内核的学习方法万博1manbetx。英国剑桥：剑桥大学出版社，2000。

也可以看看

|||||

介绍了在R2014a

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLAB

掌握机器学习：有步骤，分步指南与MATLAB

下载电子书