fitSVMPosterior
拟合后验概率
语法
描述
返回ScoreSVMModel
= fitSVMPosterior (SVMModel
)ScoreSVMModel
,它是一个经过训练的支持向量机(SVM)分类万博1manbetx器,包含用于两类学习的最优分数到后验概率转换函数。
该软件使用支持向量机分类器拟合适当的分数-后验概率转换函数SVMModel
,并使用存储的预测数据进行交叉验证(SVMModel。X
)和类标签(SVMModel。Y
).变换函数计算观察结果归为正类的后验概率(SVMModel.Classnames (2)
).
如果类是不可分割的,那么变换函数就是乙状结肠函数.
如果这些类是完全可分离的,变换函数就是阶跃函数.
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
不适合单课学习。如果
SVMModel
是一个ClassificationSVM
分类器,然后软件通过10倍交叉验证估计最优转换函数[1].否则,SVMModel
一定是ClassificationPartitionedModel
分类器。SVMModel
指定交叉验证方法。软件将最优变换函数存储在
ScoreSVMModel。ScoreTransform
.
返回一个经过训练的支持向量分类器,它万博1manbetx包含来自经过训练的、紧凑的支持向量分类器的转换函数ScoreSVMModel
= fitSVMPosterior (SVMModel
,资源描述
,ResponseVarName
)SVMModel
.该软件利用表中的预测数据估计得分转换函数资源描述
和类标签资源描述。ResponseVarName
.
返回一个经过训练的支持向量分类器,它万博1manbetx包含来自经过训练的、紧凑的支持向量分类器的转换函数ScoreSVMModel
= fitSVMPosterior (SVMModel
,资源描述
,Y
)SVMModel
.该软件利用表中的预测数据估计得分转换函数资源描述
和类标签Y
.
返回一个经过训练的支持向量分类器,它万博1manbetx包含来自经过训练的、紧凑的支持向量分类器的转换函数ScoreSVMModel
= fitSVMPosterior (SVMModel
,X
,Y
)SVMModel
.该软件利用预测数据估计得分转换函数X
和类标签Y
.
,ScoreSVMModel
= fitSVMPosterior (<年代pan class="argument_placeholder">___名称,值
)使用一个或多个指定的其他选项名称,值
提供的Pair参数SVMModel
是一个ClassificationSVM
分类器。例如,您可以指定要使用的折叠数k-fold交叉验证。
[
)此外,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。
例子
输入参数
输出参数
更多关于
提示
该过程描述了一种预测正类后验概率的方法。
通过传递数据来训练SVM分类器
fitcsvm
.结果是一个经过训练的SVM分类器,例如SVMModel
,用来存储数据。软件设置分数转换函数属性(SVMModel。ScoreTransformation
)没有一个
.传递经过训练的SVM分类器
SVMModel
来fitSVMPosterior
或fitPosterior
.结果,如:ScoreSVMModel
,为训练后的SVM分类器SVMModel
,除了软件设置ScoreSVMModel。ScoreTransformation
到最优分数的变换函数。传递预测器数据矩阵和经过训练的SVM分类器,其中包含最优分数转换函数(
ScoreSVMModel
)预测
.的第二个输出参数中的第二列预测
存储与预测器数据矩阵的每一行对应的正类后验概率。如果跳过第二步,那么
预测
返回正的类得分而不是正的类后验概率。
在拟合后验概率之后,可以生成预测新数据标签的C/ c++代码。生成C/ c++代码需要<年代pan class="entity">MATLAB<年代up>®编码器™.详情请参见代码生成简介.
算法
如果您重新估计得分-后验概率转换函数,也就是说,如果您将SVM分类器传递给fitPosterior
或fitSVMPosterior
和它的ScoreTransform
财产不是没有一个
,然后软件:
显示警告
将原始转换函数重置为
“没有”
在估计新的之前
参考文献
[1] Platt, J.“支持向量机的概率输出和与正则化似然方法的比较”。万博1manbetx:大余量分类器的研究进展.剑桥,马萨诸塞州:麻省理工学院出版社,2000年,第61-74页。
版本历史
在R2014a中介绍
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">ClassificationPartitionedModel
|<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">预测
|<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">kfoldPredict