Уменьшайте размер полного классификатора SVM путем удаления данных тренировки. Полные классификаторы SVM (то есть, классификаторы ClassificationSVM) содержат данные тренировки. Чтобы повысить эффективность, используйте меньший классификатор.
Загрузите набор данных ionosphere.
Обучите классификатор SVM. Стандартизируйте данные о предикторе и задайте порядок классов.
SVMModel =
ClassificationSVM
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: {'b' 'g'}
ScoreTransform: 'none'
NumObservations: 351
Alpha: [90x1 double]
Bias: -0.1343
KernelParameters: [1x1 struct]
Mu: [1x34 double]
Sigma: [1x34 double]
BoxConstraints: [351x1 double]
ConvergenceInfo: [1x1 struct]
IsSupportVector: [351x1 logical]
Solver: 'SMO'
Properties, Methods
SVMModel является классификатором ClassificationSVM.
Уменьшайте размер классификатора SVM.
CompactSVMModel =
classreg.learning.classif.CompactClassificationSVM
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: {'b' 'g'}
ScoreTransform: 'none'
Alpha: [90x1 double]
Bias: -0.1343
KernelParameters: [1x1 struct]
Mu: [1x34 double]
Sigma: [1x34 double]
SupportVectors: [90x34 double]
SupportVectorLabels: [90x1 double]
Properties, Methods
CompactSVMModel является классификатором CompactClassificationSVM.
Отобразите объем памяти каждый классификатор использование.
Name Size Bytes Class Attributes
CompactSVMModel 1x1 30864 classreg.learning.classif.CompactClassificationSVM
SVMModel 1x1 141194 ClassificationSVM
Полный классификатор SVM (SVMModel) больше чем в четыре раза больше, чем компактный классификатор SVM (CompactSVMModel).
Чтобы маркировать новые наблюдения эффективно, можно удалить SVMModel из MATLAB® Workspace, и затем передать CompactSVMModel и новые значения предиктора к predict.
Чтобы далее уменьшать размер вашего компактного классификатора SVM, используйте функцию discardSupportVectors, чтобы отбросить векторы поддержки.
