预测年代pan>
使用支持向量机(SVM)分类器预测标签万博1manbetx
语法
label = predict(SVMModel,X)
[label,score] = predict(SVMModel,X)
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
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
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">fitSVMPosterior
|<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">损失
|<年代pan itemscope itemtype="//www.tianjin-qmedu.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">resubPredict