预测

使用支持向量机回归模型预测响应万博1manbetx

全部展开页面

语法

X yfit =预测(Mdl)

描述

例子

yfit=预测（MDL.,X）返回表或矩阵中预测器数据的预测响应向量X，基于完整或紧凑，训练的支持向量机（SVM）回归模型万博1manbetxMDL.．

输入参数

展开全部

`MDL.`- - - - - -SVM回归模型
`回归vm.`对象|`compactregressionsvm.`对象

SVM回归模型，指定为回归vm.模型或compactregressionsvm.模型，返回Fitrsvm.或者袖珍的,分别。

`X`- - - - - -用于生成响应的预测数据
数字矩阵|桌子

用于生成响应的预测器数据，指定为数字矩阵或表。

每一排X对应于一个观察，并且每列对应于一个变量。

对于数值矩阵:
- 组成列的变量X必须具有与培训的预测变量相同的顺序MDL.．
- 如果你训练有素MDL.使用表(例如，TBL.），然后X可以是一个数字矩阵TBL.包含所有数字预测变量。治疗数字预测器TBL.作为培训期间的分类，使用该识别分类预测因子分类预测器名称 - 值对参数Fitrsvm.．如果TBL.包含异构预测变量(例如，数字和分类数据类型)和X是一个数值矩阵，那么预测抛出错误。
对于表：
- 预测不支持字符向量的单万博1manbetx元格阵列以外的多列变量或单元格阵列。
- 如果你训练有素MDL.使用表(例如，TBL.），然后所有预测器变量都在X必须具有与那些训练过的相同的变量名和数据类型MDL.（存储在mdl.predictornames.）。但是，列顺序X不需要对应的列顺序TBL.．TBL.和X可以包含其他变量（响应变量，观察权重等），但是预测忽略了它们。
- 如果你训练有素MDL.使用数字矩阵，然后是预测器名称mdl.predictornames.和相应的预测变量名X肯定是一样的。要在训练期间指定预测器名称，请参见预测名称 - 值对参数Fitrsvm.．所有预测因子变量X必须是数字向量。X可以包含其他变量（响应变量，观察权重等），但是预测忽略了它们。

如果你设置了“标准化”,真的在Fitrsvm.培训MDL.，然后该软件标准化列的列X使用相应的手段mdl.mu.和标准偏差Mdl。σ．

数据类型:桌子|双倍的|单

输出参数

展开全部

`yfit`- 预测的回应
向量

预测的响应，作为长度向量返回n，在哪里n是培训数据中的观察数。

有关如何预测响应的详细信息，请参阅等式1和等式2在了解支持向量机回归万博1manbetx．

例子

展开全部

预测支持向量机回归模型的测试样本响应

打开直播脚本

加载Carsmall.数据集。考虑一个根据马力和重量预测汽车燃油效率的模型。确定样本量。

负载Carsmall.台=表(马力、重量、MPG);N =大小(1台);

将数据分区为培训和测试集。持有10％的测试数据。

RNG（10）;重复性的％本量利= cvpartition (N,“坚持”, 0.1);idxTrn =培训(cvp);%训练集指标idxTest =测试(cvp);%测试集指标

训练线性支持向量机回归模型。标准化数据。

Mdl = fitrsvm(资源描述(idxTrn:),“英里”,'标准化',真正的);

MDL.是一个回归vm.模型。

预测测试集的响应。

YFIT =预测（MDL，TBL（iDXTEST，:)）;

创建一个表，其中并排包含观察到的响应值和预测的响应值。

表（tbl.mpg（iDxtest），Yfit，“VariableNames”,．..｛“ObservedValue”,'predightvalue'}）

ans =.10×2表ObservedValue PredictedValue _____________ ______________ 14 9.4833 27 28.938 10 7.765 28 27.155 22 21.054 29 31.484 24.5 30.306 18.5 19.12 32 28.225 28 26.632

提示

如果MDL.是一个旨在RegressionPartitionedSVM模型,使用Kfoldpredict而不是预测预测新的响应值。

替代功能

万博1manbetxSimulink块

将SVM回归模型的预测集成到Simulink中万博1manbetx^®，你可以使用回归vm预测统计和机器学习工具箱™库或MATLAB中的块^®功能块预测函数。对于例子，见使用RegersionsVM预测块预测响应和使用MATLAB功能块预测类标签．

在确定使用哪种方法时，请考虑以下内容：

如果使用统计和机器学习工具箱库块，则可以使用定点的工具（定点设计师）将浮点模型转换为定点模型。
万博1manbetx必须为Matlab功能块启用对可变大小阵列的支持预测函数。
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。

扩展功能

高大的数组
使用具有大于内存容量的行数的数组进行计算。

这个函数完全支持高数组。万博1manbetx有关更多信息，请参见高大的数组．

C / C ++代码生成
使用MATLAB®Coder™生成C和C ++代码。

使用说明和限制：

您可以为两者生成C/ c++代码预测和更新通过使用编码器配置程序。或者，仅生成代码预测通过使用Savelarnerforcoder.,loadLearnerForCoder，和codegen．
- 代码生成的预测和更新- 通过使用创建编码器配置程序Learnercoderconfigurer然后通过使用Generatecode.．然后，您可以在生成的代码中更新模型参数，而无需重新生成代码。
- 代码生成的预测通过使用保存一个训练过的模型Savelarnerforcoder.．定义通过使用加载保存的模型的入口点函数loadLearnerForCoder并致电预测函数。然后使用codegen（MATLAB编码器）为入口点函数生成代码。

要为预测生成单精度C / C ++代码，请指定名称值参数“数据类型”、“单”当你呼叫loadLearnerForCoder函数。
您也可以生成固定的C/ c++代码预测．定点代码生成需要一个额外的步骤，定义预测所需变量的定点数据类型。属性创建定点数据类型结构数据类型功能由generatelearnerdatatypefcn.，并将该结构用作的输入参数loadLearnerForCoder在入口点函数中。生成定点C/ c++代码需要MATLAB编码器™和固定点设计器™。

这个表格包含关于的参数的注释预测．表中未包含的参数完全支持。万博1manbetx

争论注意和局限性

争论	注意和局限性
`MDL.`	有关模型对象的使用说明和限制，请参阅代码生成的`compactregressionsvm.`目的。
`X`	对于一般代码生成，`X`必须是单精度或双精度矩阵，或包含数字变量、分类变量或两者的表。在编码器配置器工作流中，`X`必须是单精度或双精度矩阵。对于固定点代码生成，`X`一定是一个不动点矩阵。行数或观察的数量`X`可以是可变大小，但列的数量`X`必须固定。如果要指定`X`作为一个表，那么你的模型必须使用一个表来训练，你的预测入口点函数必须: 接受数据为数组。从数据输入参数创建表，并指定表中的变量名称。把桌子传递给`预测`．有关此表格工作流的示例，请参见生成代码对表中的数据进行分类．有关在代码生成中使用表的详细信息，请参阅表的代码生成（MATLAB编码器）和代码生成的表限制（MATLAB编码器）．

MDL.

有关模型对象的使用说明和限制，请参阅代码生成的compactregressionsvm.目的。

X

对于一般代码生成，X必须是单精度或双精度矩阵，或包含数字变量、分类变量或两者的表。
在编码器配置器工作流中，X必须是单精度或双精度矩阵。
对于固定点代码生成，X一定是一个不动点矩阵。
行数或观察的数量X可以是可变大小，但列的数量X必须固定。
如果要指定X作为一个表，那么你的模型必须使用一个表来训练，你的预测入口点函数必须:
- 接受数据为数组。
- 从数据输入参数创建表，并指定表中的变量名称。
- 把桌子传递给预测．
有关此表格工作流的示例，请参见生成代码对表中的数据进行分类．有关在代码生成中使用表的详细信息，请参阅表的代码生成（MATLAB编码器）和代码生成的表限制（MATLAB编码器）．