支持向量机分类
支持向量机用于二进制或多类分类
为了在低通中维数据集上获得更高的精度和核函数选择,训练二进制支持向量机模型或包含支持向量机二进制学习器的多类错误校正输出码(ECOC)模型分类学习者为了获得更大的灵活性,使用命令行界面训练二进制SVM模型使用fitcsvm
或训练由二元支持向量机学习者组成的多类ECOC模型fitcecoc
.
为了减少高维数据集的计算时间,有效地训练一个二进制的线性分类模型,如线性支持向量机模型,使用fitclinear
或者训练一个由SVM模型组成的多类ECOC模型fitcecoc
.
针对大数据的非线性分类,训练了一个二进制、高斯核分类模型fitckernel
.
应用程序
分类学习者 | 训练模型使用监督机器学习对数据进行分类 |
块
ClassificationSVM预测 | 使用支持向量机(SVM)分类器对观测数据进行单类和二元分类 |
功能
二进制支持向量机
创建模型或模板
fitcsvm |
训练支持向量机(SVM)分类器的单类和二元分类 |
紧凑的 |
减小机器学习模型的尺寸 |
templateSVM |
支持向量机模板 |
修改模型
discardSupportVectors |
丢弃支持向量机分类器中的支持向量 |
incrementalLearner |
将二元分类支持向量机模型转化为增量学习器 |
重新开始 |
恢复训练支持向量机(SVM)分类器 |
解释模型
石灰 |
局部可解释模型不可知解释(LIME) |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建偏依赖图(PDP)和个体条件期望图(ICE) |
沙普利 |
沙普利值 |
旨在
crossval |
交叉验证机器学习模型 |
kfoldEdge |
交叉验证分类模型的分类边缘 |
kfoldLoss |
交叉验证分类模型的分类损失 |
kfoldMargin |
交叉验证分类模型的分类裕度 |
kfoldPredict |
用交叉验证的分类模型对观测数据进行分类 |
kfoldfun |
用于分类的交叉验证函数 |
测量性能
损失 |
查找支持向量机分类器的分类错误 |
resubLoss |
Resubstitution分类损失 |
compareHoldout |
使用新数据比较两种分类模型的准确性 |
边缘 |
为支持向量机(SVM)分类器寻找分类边 |
保证金 |
查找支持向量机(SVM)分类器的分类裕量 |
resubEdge |
Resubstitution分类边缘 |
resubMargin |
Resubstitution分类保证金 |
testckfold |
通过重复交叉验证比较两种分类模型的准确性 |
fitSVMPosterior |
合适的后验概率 |
fitPosterior |
为紧凑型支持向量机分类器拟合后验概率 |
分类的观察
预测 |
使用支持向量机分类器对观测数据进行分类 |
resubPredict |
使用训练过的分类器对训练数据进行分类 |
收集模型属性
收集 |
收集的属性统计和机器学习工具箱对象从GPU |
二元线性分类
fitclinear |
适合高维数据的二元线性分类器 |
预测 |
预测线性分类模型的标签 |
templateLinear |
线性分类学习器模板 |
二进制内核分类
fitckernel |
用随机特征展开法拟合二元高斯核分类器 |
预测 |
高斯核分类模型的预测标签 |
templateKernel |
内核模式模板 |
多级ECOC
fitcecoc |
适合支持向量机或其他分类器的多类模型 |
预测 |
利用多类纠错输出码(ECOC)模型对观测数据进行分类 |
templateECOC |
纠错输出码学习器模板 |
类
二进制支持向量机
ClassificationSVM |
支持向量机(SVM)用于单类和二元分类 |
CompactClassificationSVM |
用于单类和二元分类的紧凑支持向量机 |
ClassificationPartitionedModel |
旨在分类模型 |
二元线性分类
ClassificationLinear |
高维数据二元分类的线性模型 |
ClassificationPartitionedLinear |
高维数据二元分类的交叉验证线性模型 |
二进制内核分类
ClassificationKernel |
基于随机特征展开的高斯核分类模型 |
ClassificationPartitionedKernel |
交叉验证,二进制内核分类模型 |
多级ECOC
ClassificationECOC |
多类模型的支持向量机(svm)和其他分类器 |
CompactClassificationECOC |
支持向量机(svm)和其他分类器的紧凑多类模型 |
ClassificationPartitionedECOC |
支持向量机(svm)和其他分类器的交叉验证多类ECOC模型 |
ClassificationPartitionedLinearECOC |
高维数据多类分类的交叉验证线性纠错输出码模型 |
ClassificationPartitionedKernelECOC |
多类分类的交叉验证内核纠错输出码模型 |
主题
- 使用分类学习者应用程序训练支持向量机
创建和比较支持向量机(SVM)分类器,并导出训练过的模型来对新数据进行预测。
- 二值分类的支持向量机
使用分离的超平面和核变换通过支持向量机进行二进制分类。
- 使用分类支持向量机预测块预测类标签
这个例子展示了如何在Simulink®中使用ClassificationSVM预测块进行标签预测。
相关信息
- 基于小波特征和支持向量机的信号分类(小波工具箱)
- 心音图数据的小波时间散射分类(小波工具箱)
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。