Классификация машин опорных векторов

Машины опорных векторов для двоичного файла или классификации мультиклассов

Для большей точности и функционального ядром выбора на низком - через средние размерные наборы данных, обучите бинарную модель SVM или модель выходных кодов с коррекцией ошибок (ECOC) мультикласса, содержащую двоичных учеников SVM, использующих приложение Classification Learner. Для большей гибкости используйте интерфейс командной строки, чтобы обучить бинарную модель SVM с помощью fitcsvm или обучите мультикласс модель ECOC, состоявшая из бинарных учеников SVM, использующих fitcecoc.

Для сокращения времени вычисления на высоко-размерных наборах данных эффективно обучите двоичный файл, линейную модель классификации, такую как линейная модель SVM, с помощью fitclinear или обучите мультикласс модель ECOC, состоявшая из моделей SVM с помощью fitcecoc.

Для нелинейной классификации с большими данными обучите двоичный файл, Гауссова модель классификации ядер использование fitckernel.

Приложения

Classification LearnerОбучите модели классифицировать данные с помощью машинного обучения с учителем

Блоки

ClassificationSVM PredictКлассифицируйте наблюдения с помощью классификатора машины опорных векторов (SVM) для и бинарной классификации одного класса

Функции

развернуть все

fitcsvmОбучите классификатор машины опорных векторов (SVM) и бинарной классификации одного класса
fitSVMPosteriorПодходящие апостериорные вероятности
predictКлассифицируйте наблюдения с помощью классификатора машины опорных векторов (SVM)
templateSVMШаблон машины опорных векторов
fitclinearПодбирайте линейную модель классификации к высоко-размерным данным
predictПредскажите метки для линейных моделей классификации
templateLinearЛинейный шаблон ученика классификации
fitckernelПодбирайте Гауссову модель классификации ядер использование случайного расширения функции
predictПредскажите метки для Гауссовой модели классификации ядер
templateKernelШаблон модели Kernel
fitcecocПодбирайте модели мультикласса для машин опорных векторов или других классификаторов
predictКлассифицируйте наблюдения с помощью модели выходных кодов с коррекцией ошибок (ECOC) мультикласса
templateECOCВыходной шаблон ученика кода с коррекцией ошибок

Классы

развернуть все

ClassificationSVMМашина опорных векторов (SVM) для и бинарной классификации одного класса
CompactClassificationSVMКомпактная машина опорных векторов (SVM) для и бинарной классификации одного класса
ClassificationPartitionedModelПерекрестная подтвержденная модель классификации
ClassificationLinearЛинейная модель для бинарной классификации высоко-размерных данных
ClassificationPartitionedLinearПерекрестная подтвержденная линейная модель для бинарной классификации высоко-размерных данных
ClassificationKernelГауссова модель классификации ядер использование случайного расширения функции
ClassificationPartitionedKernelПерекрестная подтвержденная, бинарная модель классификации ядер
ClassificationECOCМодель Multiclass для машин опорных векторов (SVMs) и других классификаторов
CompactClassificationECOCКомпактная модель мультикласса для машин опорных векторов (SVMs) и других классификаторов
ClassificationPartitionedECOCПерекрестный подтвержденный мультикласс модель ECOC для машин опорных векторов (SVMs) и других классификаторов
ClassificationPartitionedLinearECOCПерекрестная подтвержденная линейная выходная модель кода с коррекцией ошибок для классификации мультиклассов высоко-размерных данных
ClassificationPartitionedKernelECOCПерекрестная подтвержденная модель выходных кодов с коррекцией ошибок (ECOC) ядра для классификации мультиклассов

Темы

Обучите машины опорных векторов Используя приложение Classification Learner

Создайте и сравните классификаторы машины опорных векторов (SVM) и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Машины опорных векторов для бинарной классификации

Выполните бинарную классификацию через SVM, использующий разделение преобразования ядра и гиперплоскости.

Предскажите, что метки класса Используя ClassificationSVM предсказывают блок

В этом примере показано, как использовать блок ClassificationSVM Predict для предсказания метки.

Для просмотра документации необходимо авторизоваться на сайте