Отбросьте векторы поддержки
mdlOut = discardSupportVectors(mdl)
возвращает обученную, линейную модель mdlOut
= discardSupportVectors(mdl
)mdlOut
регрессии машины вектора поддержки (SVM), которая подобна обученной, линейной модели mdl
регрессии SVM, кроме:
Свойства Alpha
и SupportVectors
пусты ([]
).
Если вы отображаете mdlOut
, программное обеспечение перечисляет свойство Beta
вместо свойства Alpha
.
Для обученной, линейной модели регрессии SVM свойством SupportVectors
является nsv-by-p матрица. nsv является количеством векторов поддержки (самое большее учебный объем выборки), и p является количеством переменных прогноза. Если какой-либо из предикторов является категориальным, то p включает количество фиктивных переменных, необходимых, чтобы составлять все категориальные уровни предиктора. Свойство Alpha
является вектором с элементами nsv.
Свойства SupportVectors
и Alpha
могут быть большими для наборов комплексных данных, которые содержат много наблюдений или примеров. Однако свойство Beta
является вектором с элементами p, которые могут быть значительно меньшими. Можно использовать обученную модель регрессии SVM, чтобы предсказать значения ответа, даже если вы отбрасываете векторы поддержки, потому что predict
и методы resubPredict
используют Beta
, чтобы вычислить предсказанные ответы.
Если обученная, линейная модель регрессии SVM имеет много векторов поддержки, используйте discardSupportVectors
, чтобы уменьшать сумму дискового пространства, которое использует обученная, линейная модель регрессии SVM. Можно отобразить размер матрицы вектора поддержки путем ввода size(mdlIn.SupportVectors)
.
predict
и resubPredict
оценивают значения ответа с помощью формулы
где:
β Коэффициент бета, сохраненный как mdl.Beta
.
β0 значение смещения, сохраненное как mdl.Bias
.
X
является данными тренировки.
S
является значением шкалы ядра, сохраненным как mdl.KernelParameters.Scale
.
Таким образом программное обеспечение может использовать значение mdl.Beta
, чтобы сделать прогнозы даже после отбрасывания векторов поддержки.
CompactRegressionSVM
| RegressionSVM
| fitrsvm
| predict
| resubPredict