Регрессия машины опорных векторов

Машины опорных векторов для моделей регрессии

Для большей точности на низком - через средние размерные наборы данных, обучите модель машины опорных векторов (SVM) использование fitrsvm.

Для сокращения времени вычисления на высоко-размерных наборах данных эффективно обучите модель линейной регрессии, такую как линейная модель SVM, с помощью fitrlinear.

Приложения

Regression LearnerОбучите модели регрессии предсказывать данные с помощью машинного обучения с учителем

Функции

развернуть все

fitrsvmПодбирайте модель регрессии машины опорных векторов
predictПредскажите ответы с помощью модели регрессии машины опорных векторов
fitrlinearПодбирайте модель линейной регрессии к высоко-размерным данным
predictПредскажите ответ модели линейной регрессии
fitrkernelПодбирайте Гауссову модель регрессии ядра использование случайного расширения функции
lossПотеря регрессии для Гауссовой модели регрессии ядра
predictПредскажите ответы для Гауссовой модели регрессии ядра
resumeВозобновите обучение Гауссовой модели регрессии ядра
crossvalПерекрестная подтвержденная модель регрессии машины опорных векторов
plotPartialDependenceСоздайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP)

Классы

развернуть все

RegressionSVMМодель регрессии машины опорных векторов
CompactRegressionSVMКомпактная модель регрессии машины опорных векторов
RegressionLinearМодель линейной регрессии для высоко-размерных данных
RegressionPartitionedLinearПерекрестная подтвержденная модель линейной регрессии для высоко-размерных данных
RegressionKernelГауссова модель регрессии ядра использование случайного расширения функции
RegressionPartitionedKernelПерекрестная подтвержденная модель ядра для регрессии

Темы

Понимание регрессии машины опорных векторов

Изучите математическую формулировку линейных и нелинейных проблем регрессии SVM и алгоритмов решателя.

Для просмотра документации необходимо авторизоваться на сайте