丢弃线性支持向量万博1manbetx机(SVM)分类器的支持向量
返回经过训练的线性支持向量机(SVM)模型万博1manbetxMdl
=丢弃支持向量(万博1manbetxMdlSV
)Mdl
. 二者都Mdl
以及经过训练的线性支持向量机模型MdlSV
是相同类型的对象。也就是说,它们都是ClassificationSVM
对象或CompactClassificationSVM
物体。然而Mdl
和MdlSV
不同之处在于:
这个阿尔法
,万博1manbetx支持向量
,万博1manbetxSupportVectorLabels
属性为空([]
)在Mdl
.
如果你显示Mdl
,软件将列出贝塔
财产代替阿尔法
.
对于经过训练的线性SVM模型万博1manbetx支持向量
财产是一种财富Nsv——- - - - - -P矩阵Nsv支持向量的数量(最多为训练样本量)万博1manbetx和P是预测因素或特征的数量。这个阿尔法
和万博1manbetxSupportVectorLabels
属性是带有Nsv元素。对于包含许多观察值或示例的复杂数据集,这些属性可能很大。这个贝塔
属性是具有P元素。
如果训练的支持向量机模型有许多支持向量,则使用万博1manbetx丢弃支持向量万博1manbetx
减少经过训练的线性SVM模型占用的空间量。您可以通过输入来显示支持向量矩阵的大小万博1manbetx大小(MdlSV.Su万博1manbetxpportVectors)
.