Отбросьте векторы поддержки для линейного классификатора машины вектора поддержки (SVM)
Mdl = discardSupportVectors(MdlSV)
возвращает обученную, линейную модель Mdl
= discardSupportVectors(MdlSV
)Mdl
машины вектора поддержки (SVM). И Mdl
и обученная, линейная модель SVM MdlSV
являются тем же типом объекта. Таким образом, они оба - или объекты ClassificationSVM
или объекты CompactClassificationSVM
. Однако Mdl
и MdlSV
отличаются следующими способами:
Alpha
, SupportVectors
и свойства SupportVectorLabels
пусты ([]
) в Mdl
.
Если вы отображаете Mdl
, программное обеспечение перечисляет свойство Beta
вместо Alpha
.
Для обученной, линейной модели SVM свойством SupportVectors
является nsv-by-p матрица. nsv является количеством векторов поддержки (самое большее учебный объем выборки), и p является количеством предикторов или функциями. Свойства Alpha
и SupportVectorLabels
являются векторами с элементами nsv. Эти свойства могут быть большими для наборов комплексных данных, содержащих много наблюдений или примеров. Свойство Beta
является вектором с элементами p.
Если обученная модель SVM имеет много векторов поддержки, используйте discardSupportVectors
, чтобы уменьшать сумму места, занимавшего обученной, линейной моделью SVM. Можно отобразить размер матрицы вектора поддержки путем ввода size(MdlSV.SupportVectors)
.
predict
и resubPredict
оценивают очки SVM f (x), и впоследствии маркируют и оценивают использование апостериорных вероятностей
β является Mdl.Beta
, и b является Mdl.Bias
, то есть, свойства Beta
и Bias
Mdl
, соответственно. Для получения дополнительной информации смотрите Машины Вектора Поддержки для Бинарной Классификации.
ClassificationECOC
| ClassificationSVM
| CompactClassificationSVM
| discardSupportVectors
| fitcsvm
| templateSVM