用于一类和二类分万博1manbetx类的紧凑支持向量机(SVM)
CompactClassificationsVM.
是支持向量机(SVM)分类器的精简版本。万博1manbetx紧凑分类器不包括用于训练SVM分类器的数据。因此,您不能使用紧凑分类器执行一些任务,例如交叉验证。使用紧凑的SVM分类器进行任务,比如预测新数据的标签。
compareHoldout |
使用新数据比较两个分类模型的精度 |
丢弃普罗斯韦普万博1manbetx罗斯韦 |
抛弃支持向量机的万博1manbetx线性支持向量机分类器 |
边缘 |
为支持向量机(SVM)分类器寻找分类边缘万博1manbetx |
fitPosterior |
适合紧凑型支架向量机(SVM)分类器的后验概率万博1manbetx |
incrementalLearner |
将二进制分类支持向量机(SVM)模型转换为增量学习者万博1manbetx |
酸橙 |
本地可解释模型 - 不可知的解释(石灰) |
损失 |
寻找支持向量机(SVM)分类器的分类错误万博1manbetx |
保证金 |
查找支持向量机(SVM)分类器的分类边距万博1manbetx |
部分竞争 |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人有条件期望(ICE)情节 |
预测 |
使用支持向量机分类器对观测结果进行分类万博1manbetx |
福芙 |
沙普利值 |
更新 |
更新代码生成的模型参数 |
hatie, T., R. Tibshirani和J. Friedman。统计学习的要素,第二版。纽约:施普林格,2008年。
肖克普夫、肖肖-泰勒、A. J.斯莫拉和R. C.威廉姆森。“估算高维分布的支持度”万博1manbetx神经计算.第13卷,第7期,2001年,第1443-1471页。
[3]克里斯蒂安尼尼,N.和J. C.肖-泰勒。支持向量机和基于内核的学习方法的介绍万博1manbetx.剑桥,英国:剑桥大学出版社,2000年出版社。
B. Scholkopf,和A. Smola。学习与核:支持向量机,正则化,优化和超越,自适万博1manbetx应计算和机器学习。剑桥,马:2002年的麻省理工学院新闻。