预测年代pan>
利用支持向量机(SVM)分类器对观测数据进行分类万博1manbetx
描述
例子
输入参数
输出参数
更多关于
提示
如果您正在使用线性SVM模型进行分类,并且该模型有许多支持向量,则使用万博1manbetx
预测
对于预测方法可以比较慢。为了有效地对基于线性支持向量机模型的观测数据进行分类,可以使用万博1manbetxdiscard万博1manbetxSupportVectors
.
算法
默认且不考虑模型核函数,MATLAB<年代up>®年代up>使用分数函数的双重表示来根据训练过的SVM模型对观察结果进行分类
这种预测方法需要训练好的支持向量和万博1manbetxα系数(见
万博1manbetxSupportVectors
而且α
SVM模型的性质)。默认情况下,该软件使用普氏方法计算最佳后验概率[1]:
执行10倍交叉验证。
将sigmoid函数参数拟合到交叉验证返回的分数。
通过将交叉验证分数输入拟合的sigmoid函数来估计后验概率。
该软件在训练过程中将先验概率纳入支持向量机目标函数。
支持向量机,
预测
而且resubPredict
将观测数据分类为产生最大分数的类别(最大后验概率)。该软件通过在训练分类器之前应用平均成本校正来计算错误分类成本。也就是说,已知先验向量P,错分类代价矩阵C,和观测权向量w时,软件定义了一个新的观测权重向量(W)如此
选择功能
万博1manbetx仿真软件块
将支持向量机分类模型的预测集成到Simulink中万博1manbetx<年代up>®年代up>,你可以使用ClassificationSVM预测年代pan>的统计和机器学习工具箱™库中的函数块或MATLAB函数块预测
函数。有关示例,请参见使用classiationsvm预测块预测类标签而且使用MATLAB函数块预测类标签.
在决定使用哪种方法时,请考虑以下因素:
如果使用“统计和机器学习工具箱”库块,则可以使用<年代trong class="tool">定点的工具(定点设计师)年代pan>将浮点模型转换为定点模型。
万博1manbetx控件的MATLAB函数块必须启用对可变大小数组的支持
预测
函数。如果使用MATLAB函数块,则可以在同一MATLAB函数块中使用MATLAB函数进行预测前后的预处理或后处理。
参考文献
[1] Platt, J.“支持向量机的概率输出和与正则似然方法的比较”。万博1manbetx大裕度分类器的研究进展.麻省理工学院出版社,1999,第61-74页。
扩展功能
另请参阅
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">fitcsvm
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitSVMPosterior
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">损失
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">resubPredict