Подходящие апостериорные вероятности
возвращает ScoreSVMModel
= fitSVMPosterior(SVMModel
)ScoreSVMModel
, который является обученным, классификатором машины опорных векторов (SVM), содержащим оптимальную оценку к функции преобразования апостериорной вероятности для изучения 2D класса.
Программное обеспечение соответствует соответствующему счету к функции преобразования апостериорной вероятности использование классификатора SVM SVMModel
, и перекрестной проверкой с помощью хранимых данных о предикторе (SVMModel.X
) и метки класса (SVMModel.Y
). 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, 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. fitSVMPosterior
не подходит для изучения одного класса.
Если SVMModel
ClassificationSVM
классификатор, затем программное обеспечение оценивает оптимальную функцию преобразования 10-кратной перекрестной проверкой, как обрисовано в общих чертах в [1]. В противном случае, SVMModel
должен быть ClassificationPartitionedModel
классификатор. SVMModel
задает метод перекрестной проверки.
Программное обеспечение хранит оптимальную функцию преобразования в ScoreSVMModel.ScoreTransform
.
возвращает обученный классификатор вектора поддержки, содержащий функцию преобразования от обученного, компактного классификатора SVM ScoreSVMModel
= fitSVMPosterior(SVMModel
,TBL
,ResponseVarName
)SVMModel
. Программное обеспечение оценивает функцию преобразования счета использование данных о предикторе в таблице TBL
и класс маркирует TBL.ResponseVarName
.
возвращает обученный классификатор вектора поддержки, содержащий функцию преобразования от обученного, компактного классификатора SVM ScoreSVMModel
= fitSVMPosterior(SVMModel
,TBL
,Y
)SVMModel
. Программное обеспечение оценивает функцию преобразования счета использование данных о предикторе в таблице TBL
и класс маркирует Y
.
возвращает обученный классификатор вектора поддержки, содержащий функцию преобразования от обученного, компактного классификатора SVM ScoreSVMModel
= fitSVMPosterior(SVMModel
,X
,Y
)SVMModel
. Программное обеспечение оценивает функцию преобразования счета использование данных о предикторе X
и класс маркирует Y
.
дополнительные опции использования заданы одним или несколькими ScoreSVMModel
= fitSVMPosterior(___,Name,Value
)Name,Value
парные аргументы обеспечили SVMModel
ClassificationSVM
классификатор. Например, можно указать, что количество сгибов, чтобы использовать в k - сворачивает перекрестную проверку.
[
дополнительно возвращает параметры функции преобразования (ScoreSVMModel
,ScoreTransform
]
= fitSVMPosterior(___)ScoreTransform
) использование любого из входных параметров в предыдущих синтаксисах.
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.
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
[1] Платт, J. “Вероятностные выходные параметры для машин опорных векторов и сравнений с упорядоченными методами вероятности”. \in: Усовершенствования в Больших Граничных Классификаторах. Кембридж, MA: Нажатие MIT, 2000, стр 61–74.
ClassificationPartitionedModel
| ClassificationSVM
| CompactClassificationSVM
| fitPosterior
| fitPosterior
| fitcsvm
| kfoldPredict
| predict