Подходящие апостериорные вероятности для классификатора машины опорных векторов (SVM)
возвращает обученный классификатор машины опорных векторов (SVM) ScoreSVMModel
= fitPosterior(SVMModel
)ScoreSVMModel
содержание оптимального счета к преобразованию апостериорной вероятности функционирует для изучения 2D класса. Для получения дополнительной информации см. Алгоритмы.
[
дополнительно возвращает оптимальный счет в параметры функции преобразования апостериорной вероятности.ScoreSVMModel
,ScoreTransform
]
= fitPosterior(SVMModel
)
[
дополнительные опции использования заданы одним или несколькими аргументами пары "имя-значение". Например, можно задать количество сгибов или демонстрационной пропорции затяжки.ScoreSVMModel
,ScoreTransform
]
= fitPosterior(SVMModel
,Name,Value
)
Этот процесс описывает один способ предсказать положительные апостериорные вероятности класса.
Обучите классификатор SVM путем передачи данных fitcsvm
. Результатом является обученный классификатор SVM, такой как SVMModel
, это хранит данные. Программное обеспечение устанавливает свойство функции преобразования счета (SVMModel.ScoreTransformation
) к none
.
Передайте обученный классификатор SVM SVMModel
к fitSVMPosterior
или fitPosterior
. Результат, такой как, ScoreSVMModel
, обученный классификатор того же самого SVM как SVMModel
, кроме программного обеспечения устанавливает ScoreSVMModel.ScoreTransformation
к оптимальной функции преобразования счета.
Передайте матрицу данных предиктора и обученный классификатор SVM, содержащий оптимальную функцию преобразования счета (ScoreSVMModel
) к predict
. Второй столбец во втором выходном аргументе predict
хранит положительные апостериорные вероятности класса, соответствующие каждой строке матрицы данных предиктора.
Если вы пропускаете шаг 2, то predict
возвращает положительный счет класса, а не положительную апостериорную вероятность класса.
После подбора кривой апостериорным вероятностям можно сгенерировать код C/C++, который предсказывает метки для новых данных. Генерация кода C/C++ требует MATLAB® Coder™. Для получения дополнительной информации смотрите Введение в Генерацию кода.
Программное обеспечение соответствует соответствующему счету к функции преобразования апостериорной вероятности при помощи классификатора SVM SVMModel
и путем проведения 10-кратной перекрестной проверки с помощью хранимых данных о предикторе (SVMModel.X
) и метки класса (SVMModel.Y
), как обрисовано в общих чертах в [1]. Функция преобразования вычисляет апостериорную вероятность, что наблюдение классифицируется в положительный класс (SVMModel.Classnames(2)
).
Если классы неотделимы, то функция преобразования является сигмоидальной функцией.
Если классы совершенно отделимы, то функция преобразования является ступенчатой функцией.
В изучении 2D класса, если один из этих двух классов имеет относительную частоту 0, то функция преобразования является постоянной функцией. fitPosterior
функция не подходит для изучения одного класса.
Программное обеспечение хранит оптимальный счет к функции преобразования апостериорной вероятности в ScoreSVMModel.ScoreTransform
.
Если вы повторно оцениваете счет к функции преобразования апостериорной вероятности, то есть, если вы передаете классификатор SVM fitPosterior
или fitSVMPosterior
и его ScoreTransform
свойством не является none
, затем программное обеспечение:
Выводит предупреждение
Сбрасывает исходную функцию преобразования к 'none'
прежде, чем оценить новый
Можно также соответствовать функции апостериорной вероятности при помощи fitSVMPosterior
. Эта функция похожа на fitPosterior
, кроме него более широко, потому что это принимает более широкую область значений типов классификатора SVM.
[1] Платт, J. “Вероятностные выходные параметры для машин опорных векторов и сравнений с упорядоченными методами вероятности”. Усовершенствования в Больших Граничных Классификаторах. Кембридж, MA: Нажатие MIT, 2000, стр 61–74.