合适的后验概率
返回ScoreSVMModel
= fitSVMPosterior (SVMModel
)ScoreSVMModel
,这是一个包含两个级的学习的最佳得分 - 后万博1manbetx概率变换函数受过训练的,支持向量机(SVM)分类器。
该软件利用SVM分类器拟合合适的分数到后验概率变换函数SVMModel
,并通过使用所存储的预测数据的交叉验证(SVMModel.X
)及类别标签(SVMModel.Y
)。变换函数计算一个观测被归类为正类(SVMModel.Classnames (2)
)。
如果类是分不开的,则转换功能是双曲线函数。
如果类是完全分开的,变换函数是阶跃函数。
在两类学习中,如果其中一个类的相对频率为0,则变换函数为常数函数。fitSVMPosterior
不适合单班学习。
如果SVMModel
是一个ClassificationSVM
分类器,则软件估计由最优变换函数如在概述的交叉验证的10倍[1]。除此以外,SVMModel
必须是ClassificationPartitionedModel
分类器。SVMModel
指定交叉验证法。
该软件商店的最优变换功能ScoreSVMModel.ScoreTransform
。
返回一个经过训练的支持向量分类器,其万博1manbetx中包含来自经过训练的、紧凑的SVM分类器的转换函数ScoreSVMModel
= fitSVMPosterior (SVMModel
,TBL
,ResponseVarName
)SVMModel
。该软件使用表中的预测数据估计分数转换函数TBL
和类标签TBL.ResponseVarName
。
返回一个经过训练的支持向量分类器,其万博1manbetx中包含来自经过训练的、紧凑的SVM分类器的转换函数ScoreSVMModel
= fitSVMPosterior (SVMModel
,TBL
,Y
)SVMModel
。该软件使用表中的预测数据估计分数转换函数TBL
和类标签Y
。
返回一个经过训练的支持向量分类器,其万博1manbetx中包含来自经过训练的、紧凑的SVM分类器的转换函数ScoreSVMModel
= fitSVMPosterior (SVMModel
,X
,Y
)SVMModel
。该软件使用预测数据估计分数转换功能X
和类标签Y
。
,ScoreSVMModel
= fitSVMPosterior (<年代pan class="argument_placeholder">___名称,值
)使用由一个或多个指定的附加选项名称,值
对参数提供SVMModel
是一个ClassificationSVM
分类器。例如,可以指定使用的折叠数k倍交叉验证。
(
)另外返回转换函数参数(ScoreSVMModel
,ScoreTransform
] = fitSVMPosterior(<年代pan class="argument_placeholder">___ScoreTransform
)使用前面语法中的任何输入参数。
这个过程描述了预测正类的后验概率的一种方式。
通过传递数据来训练SVM分类器fitcsvm
。结果得到一个经过训练的SVM分类器,如SVMModel
,它存储数据。软件设置分数转换功能属性(SVMModel.ScoreTransformation
) 至没有一个
。
经过训练的SVM分类器SVMModel
来fitSVMPosterior
要么fitPosterior
。结果,如ScoreSVMModel
,表示经过训练的SVM分类器SVMModel
,除了软件集ScoreSVMModel.ScoreTransformation
在最佳得分的转换功能。
通过预测器数据矩阵和包含最佳得分变换功能的训练的SVM分类器(ScoreSVMModel
) 至预测
。的第二个输出参数中的第二列预测
存储对应于所述预测数据矩阵的每一行的正类后验概率。
如果你跳过第2步,那么预测
返回正类的分数,而不是积极的类后验概率。
在拟合后验概率之后,您可以生成C/ c++代码来预测新数据的标签。生成C/ c++代码需要<年代pan class="entity">MATLAB<年代up>®编码器™。有关详细信息,请参阅代码生成简介。
如果重新估计分数 - 后概率转换功能,也就是说,如果你通过SVM分类,以fitPosterior
要么fitSVMPosterior
和它的ScoreTransform
属性是不没有一个
,那么软件:
显示警告
重置原始的变换功能“没有”
估计新的前
支持向量机的概率输出与正则化似然法的比较>。万博1manbetx:大边缘分类器的进步。马萨诸塞州剑桥:麻省理工学院出版社,2000,页61-74。
ClassificationPartitionedModel
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">ClassificationSVM
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">CompactClassificationSVM
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitPosterior
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitPosterior
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">kfoldPredict
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测