主要内容gydF4y2Ba

使用分类学习万博1manbetx者应用程序训练支持向量机gydF4y2Ba

这个例子展示了如何在分类学习者应用程序中构造支持向量机(SVM)分类器万博1manbetxgydF4y2Ba电离层gydF4y2Ba包含两个类的数据集。您可以使用支持向量机(SVM万博1manbetx)与分类学习者中的两个或多个类。支持向量机通过寻找最佳超平面将一个类的所有数据点与另一个类的所有数据点分离开来来对数据进行分类。在gydF4y2Ba电离层gydF4y2Ba数据，响应变量是分类的，有两个级别:gydF4y2BaggydF4y2Ba代表良好的雷达返回gydF4y2BabgydF4y2Ba表示雷达返回错误。gydF4y2Ba

  1. 在MATLABgydF4y2Ba®gydF4y2Ba，加载gydF4y2Ba电离层gydF4y2Ba并从数据集中定义一些用于分类的变量。gydF4y2Ba

    负载gydF4y2Ba电离层gydF4y2Ba电离层= array2table(X);电离层。组= Y;gydF4y2Ba

    或者，您可以加载gydF4y2Ba电离层gydF4y2Ba数据设置和保存gydF4y2BaXgydF4y2Ba而且gydF4y2BaYgydF4y2Ba数据作为单独的变量。gydF4y2Ba

  2. 在gydF4y2Ba应用程序gydF4y2Ba选项卡，在gydF4y2Ba机器学习和深度学习gydF4y2Ba组中,单击gydF4y2Ba分类学习者gydF4y2Ba．gydF4y2Ba

  3. 在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba文件gydF4y2Ba部分中,点击gydF4y2Ba从工作区新建会话>gydF4y2Ba．gydF4y2Ba

    分类学习者选项卡gydF4y2Ba

    在“从工作区新建会话”对话框中，选择表gydF4y2Ba电离层gydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。可以观察到应用程序已经根据它们的数据类型选择了响应变量和预测变量。响应变量gydF4y2Ba集团gydF4y2Ba有两个层次。所有其他变量都是预测因子。gydF4y2Ba

    或者，如果你保留你的预测数据gydF4y2BaXgydF4y2Ba响应变量gydF4y2BaYgydF4y2Ba作为两个独立的变量，你可以先选择矩阵gydF4y2BaXgydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。然后,在gydF4y2Ba响应gydF4y2Ba，按gydF4y2Ba从工作空间gydF4y2Ba单选按钮并选择gydF4y2BaYgydF4y2Ba从列表中。的gydF4y2BaYgydF4y2Ba变量与gydF4y2Ba集团gydF4y2Ba变量。gydF4y2Ba

  4. 点击gydF4y2Ba开始会议gydF4y2Ba．gydF4y2Ba

    分类学习者创建数据的散点图。gydF4y2Ba

  5. 使用散点图来可视化哪些变量对预测响应有用。在X轴和y轴控件中选择不同的变量。观察哪些变量将类颜色区分得最清楚。gydF4y2Ba

  6. 训练选择的支持向量机模型，在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型gydF4y2Ba节中，单击向下箭头展开分类器列表，并在下面gydF4y2Ba万博1manbetx支持向量机gydF4y2Ba,点击gydF4y2Ba所有支持向量机gydF4y2Ba．然后，在gydF4y2Ba火车gydF4y2Ba部分中,点击gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba火车都gydF4y2Ba．gydF4y2Ba

    请注意gydF4y2Ba

    • 如果您有并行计算工具箱™，那么应用程序有gydF4y2Ba使用并行gydF4y2Ba按钮默认开启。点击之后gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba火车都gydF4y2Ba或gydF4y2Ba选择火车gydF4y2Ba，该应用程序会打开一个平行的工人池。在此期间，您不能与软件交互。池打开后，您可以继续与应用程序交互，同时模型并行训练。gydF4y2Ba

    • 如果没有并行计算工具箱，则应用程序具有gydF4y2Ba使用背景培训gydF4y2Ba的复选框。gydF4y2Ba火车都gydF4y2Ba默认选择的菜单。当你点击训练模型后，应用程序会打开一个后台池。池打开后，当模型在后台训练时，您可以继续与应用程序交互。gydF4y2Ba

    分类学习者训练图库中的每个支持向量机选项中的一个，以及默认的精细树模型。在gydF4y2Ba模型gydF4y2Ba窗格，应用程序大纲在一个框gydF4y2Ba准确性(验证)gydF4y2Ba最佳型号评分。分类学习者还显示了第一个SVM模型的验证混淆矩阵(gydF4y2Ba线性支持向量机gydF4y2Ba）.gydF4y2Ba

    用支持向量机分类器建模的电离层数据验证混淆矩阵。蓝色值表示正确的分类，红色值表示错误的分类。gydF4y2Ba

    请注意gydF4y2Ba

    验证在结果中引入了一些随机性。您的模型验证结果可能与此示例中显示的结果不同。gydF4y2Ba

  7. 中选择模型以查看模型的结果gydF4y2Ba模型gydF4y2Ba窗格，并检查gydF4y2Ba总结gydF4y2Ba选项卡。的gydF4y2Ba总结gydF4y2Ba选项卡显示gydF4y2Ba培训结果gydF4y2Ba度量，在验证集上计算。gydF4y2Ba

  8. 对于所选模型，检查每一类预测的准确性。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba情节gydF4y2Ba部分，单击箭头打开图库，然后单击gydF4y2Ba混淆矩阵(验证)gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。查看真实班级和预测班级结果的矩阵。gydF4y2Ba

  9. 对于每个剩余的模型，在gydF4y2Ba模型gydF4y2Ba窗格，打开验证混淆矩阵，然后比较模型之间的结果。gydF4y2Ba

  10. 选择最好的型号gydF4y2Ba模型gydF4y2Ba窗格(最好的分数突出显示在一个框中)。要改进模型，请尝试在模型中包含不同的特性。看看是否可以通过删除预测能力较低的特征来改进模型。gydF4y2Ba

    首先复制最好的模型。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型gydF4y2Ba部分中,点击gydF4y2Ba重复的gydF4y2Ba．gydF4y2Ba

  11. 要研究包括或排除的特征，使用平行坐标图。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba情节gydF4y2Ba部分，单击箭头打开图库，然后单击gydF4y2Ba平行坐标gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。保持能够很好地分离类的预测器。gydF4y2Ba

    您可以指定要在模型训练期间使用的预测器gydF4y2Ba总结gydF4y2Ba选项卡。点击gydF4y2Ba特征选择gydF4y2Ba展开该部分，并指定要从模型中删除的预测器。gydF4y2Ba

  12. 或者，您可以使用特征排序算法来确定在模型训练期间使用哪些特征。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba选项gydF4y2Ba部分中,点击gydF4y2Ba特征选择gydF4y2Ba．在gydF4y2Ba默认特性选择gydF4y2Ba选项卡，指定要使用的特征排序算法。指定要在排名最高的功能中保留的功能的数量。您可以使用柱状图来帮助决定使用多少特性。gydF4y2Ba

    点击gydF4y2Ba保存并应用gydF4y2Ba以保存您的更改。的现有草案模型应用了新的特性选择gydF4y2Ba模型gydF4y2Ba窗格中的图库创建的新草稿模型gydF4y2Ba模型gydF4y2Ba部份gydF4y2Ba分类学习者gydF4y2Ba选项卡。gydF4y2Ba

  13. 训练模型。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba火车gydF4y2Ba部分中,点击gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba选择火车gydF4y2Ba训练模型使用新的选项。中的分类器之间的结果进行比较gydF4y2Ba模型gydF4y2Ba窗格。gydF4y2Ba

  14. 选择最好的型号gydF4y2Ba模型gydF4y2Ba窗格。要进一步改进模型，请尝试更改它的超参数。方法复制模型gydF4y2Ba重复的gydF4y2Ba按钮中的gydF4y2Ba模型gydF4y2Ba部分。然后，尝试更改模型中的超参数设置gydF4y2Ba总结gydF4y2Ba选项卡。通过单击来训练新模型gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba选择火车gydF4y2Ba在gydF4y2Ba火车gydF4y2Ba部分。有关设置的信息，请参见gydF4y2Ba万博1manbetx支持向量机gydF4y2Ba．gydF4y2Ba

  15. 您可以将训练过的模型的完整或精简版本导出到工作区。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba出口gydF4y2Ba部分中,点击gydF4y2Ba出口模式gydF4y2Ba选择其中一个gydF4y2Ba出口模式gydF4y2Ba或gydF4y2Ba出口紧凑型gydF4y2Ba．看到gydF4y2Ba导出分类模型预测新数据gydF4y2Ba．gydF4y2Ba

  16. 若要检查用于训练此分类器的代码，请单击gydF4y2Ba生成函数gydF4y2Ba．关于支持向量机模型，参见gydF4y2Ba生成C代码进行预测gydF4y2Ba．gydF4y2Ba

使用相同的工作流来评估和比较您可以在Classification Learner中训练的其他分类器类型。gydF4y2Ba

要尝试所有可用于数据集的不可优化分类器模型预设:gydF4y2Ba

  1. 在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型gydF4y2Ba部分，单击箭头打开分类模型的图库。gydF4y2Ba

  2. 在gydF4y2Ba开始gydF4y2Ba组中,单击gydF4y2Ba所有gydF4y2Ba．然后，在gydF4y2Ba火车gydF4y2Ba部分中,点击gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba火车都gydF4y2Ba．gydF4y2Ba

    为训练所有可用的分类器类型所选择的选项gydF4y2Ba

要了解其他分类器类型，请参见gydF4y2Ba在分类学习者应用程序中训练分类模型gydF4y2Ba．gydF4y2Ba

相关的话题gydF4y2Ba