Прогнозирование ответов с использованием регрессионной модели вспомогательного вектора (SVM)
Набор инструментов для статистики и машинного обучения/регрессия
Блок прогнозирования RegingSVM предсказывает ответы с использованием объекта регрессии SVM (RegressionSVM или CompactRegressionSVM).
Импортируйте обученный объект регрессии SVM в блок, указав имя переменной рабочей области, содержащей объект. Входной порт x принимает данные наблюдения (данные предиктора), а выходной порт yfit возвращает предсказанный отклик для наблюдения.
Укажите тип данных для вывода yfit. Тип может быть унаследован, указан непосредственно или выражен как объект типа данных, например Simulink.NumericType.
При выборе Inherit: autoблок использует правило, наследующее тип данных.
Дополнительные сведения о типах данных см. в разделе Типы данных управляющих сигналов (Simulink).
Нажмите кнопку Показать помощник по типам данных
, чтобы отобразить помощник по типам данных, который помогает задать атрибуты типов данных. Дополнительные сведения см. в разделе Определение типов данных с помощью помощника по типам данных (Simulink).
Параметр блока: OutDataTypeStr |
| Текст: символьный вектор |
Значения: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
По умолчанию: 'Inherit: auto' |
Укажите тип данных параметра для вычисления ядра. Тип может быть указан непосредственно или выражен как объект типа данных, например Simulink.NumericType.
Параметр Kernel data type указывает тип данных другого параметра в зависимости от типа функции ядра указанной модели SVM. Вы указываете 'KernelFunction' аргумент «имя-значение» при обучении модели SVM.
'KernelFunction' стоимость | Тип данных |
|---|---|
'gaussian' или 'rbf' | Тип данных ядра задает тип данных квадратного расстояния, для гауссова ядра (− D2), где x - данные предиктора для наблюдения, а s - вектор поддержки. |
'linear' | Тип данных ядра определяет тип данных для вывода линейной функции ядра xs ', где x - данные предиктора для наблюдения, а s - поддерживающий вектор. |
'polynomial' | Тип данных ядра определяет тип данных для вывода полиномиальной функции ядра xs ') p, где x - данные предиктора для наблюдения, s - вектор поддержки, p - порядок функций ядра полинома. |
Дополнительные сведения о типах данных см. в разделе Типы данных управляющих сигналов (Simulink).
Нажмите кнопку Показать помощник по типам данных, чтобы отобразить помощник по типам данных, который помогает задать атрибуты типов данных. Дополнительные сведения см. в разделе Определение типов данных с помощью помощника по типам данных (Simulink).
Параметр блока: KernelDataTypeStr |
| Текст: символьный вектор |
Значения: 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'uint64' | 'int64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
По умолчанию: 'double' |
Типы данных |
|
Прямой проход |
|
Многомерные сигналы |
|
Сигналы переменного размера |
|
Обнаружение пересечения нулей |
|
Если используется линейная модель SVM и она имеет множество векторов поддержки, то прогнозирование может быть медленным. Для эффективного прогнозирования ответов на основе линейной модели SVM удалите векторы поддержки из RegressionSVM или CompactRegressionSVM объект с помощью discardSupportVectors.
Функциональный блок MATLAB можно использовать с predict функция объекта регрессии SVM (RegressionSVM или CompactRegressionSVM). Пример см. в разделе Прогнозирование меток классов с использованием функционального блока MATLAB.
При принятии решения об использовании блока RegingSVM Predict в библиотеке Toolbox™ статистики и машинного обучения или блока MATLAB Function с помощью predict рассмотрите следующие функции:
При использовании блока библиотеки инструментов «Статистика и машинное обучение» для преобразования модели с плавающей запятой в фиксированную можно использовать инструмент «Фиксированная точка» (Fixed-Point Designer).
Поддержка массивов переменного размера должна быть включена для функционального блока MATLAB с predict функция.
При использовании функционального блока MATLAB можно использовать функции MATLAB для предварительной обработки или последующей обработки до или после прогнозирования в том же функциональном блоке MATLAB.
