使用支持向量机分类观测(SVM)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
对于预测方法可能是缓慢的。为了基于线性SVM模型有效地分类观察,通过使用删除模型对象支持向量万博1manbetxdiscard万博1manbetxSupportVectors
。
默认情况下,也不论模型核函数,MATLAB<小号up>®小号up>使用得分函数基于训练的SVM模型分类意见的双重代表性,特别是
该预测方法需要训练支持向量和万博1manbetxα系数(见万博1manbetxSupportVectors
和Α
在SVM模型的属性)。
默认情况下,软件将计算最佳的使用普氏法的后验概率[1]:
执行10倍交叉验证。
符合双曲线函数参数,从交叉验证返回的分数。
通过输入交叉验证分数入拟合S形函数估计的后验概率。
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
分类观测到类得到最大得分(最大后验概率)。该软件占误分类成本由训练分类之前以平均成本修正。也就是说,给定类之前矢量P,误判成本矩阵C,和观察权重向量w ^时,软件定义观察权重的新载体(w ^),使得
[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在大间隔分类进展。麻省理工学院出版社,1999年,61-74页。
ClassificationSVM
|<小号pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">CompactClassificationSVM
|<小号pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitSVMPosterior
|<小号pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm
|<小号pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">失利
|<小号pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">resubPredict