Подгонка апостериорных вероятностей для классификатора машины опорных векторов (SVM)
возвращает обученный классификатор машины опорных векторов (SVM) ScoreSVMModel
= fitPosterior(SVMModel
)ScoreSVMModel
содержащая оптимальную функцию счет-в-апостериорно-вероятностного преобразования для двухклассного обучения. Для получения дополнительной информации см. «Алгоритмы».
[
дополнительно возвращает оптимальные параметры функции счета -в-апостериорно-вероятностного преобразования.ScoreSVMModel
,ScoreTransform
]
= fitPosterior(SVMModel
)
[
использует дополнительные опции, заданные одним или несколькими аргументами пары "имя-значение". Для примера можно задать количество складок или пропорцию отсчета.ScoreSVMModel
,ScoreTransform
]
= fitPosterior(SVMModel
,Name,Value
)
Этот процесс описывает один из способов предсказания апостериорных вероятностей положительного класса.
Обучите классификатор SVM, передав данные в fitcsvm
. Результатом является обученный классификатор SVM, такой как SVMModel
, который хранит данные. Программное обеспечение устанавливает свойство функции преобразования счета (SVMModel.ScoreTransformation
) к none
.
Передайте обученный классификатор SVM SVMModel
на fitSVMPosterior
или fitPosterior
. Результат, такой как ScoreSVMModel
, является ли тот же обученный классификатор SVM SVMModel
, кроме программных наборов ScoreSVMModel.ScoreTransformation
к оптимальной функции преобразования счета.
Передайте матрицу данных предиктора и обученный классификатор SVM, содержащий оптимальную функцию преобразования счета (ScoreSVMModel
Кому predict
. Второй столбец во втором выходном аргументе predict
сохраняет апостериорные вероятности положительного класса, соответствующие каждой строке матрицы данных предиктора.
Если вы пропускаете шаг 2, то predict
возвращает положительный счет класса, а не апостериорную вероятность положительного класса.
После подбора кривой апостериорных вероятностей можно сгенерировать код C/C + +, который предсказывает метки для новых данных. Для генерации кода C/C + + требуется MATLAB® Coder™. Для получения дополнительной информации смотрите Введение в генерацию кода.
Программа подходит для соответствующего счета преобразования -к-апостериорной вероятности с помощью классификатора SVM SVMModel
и проведением 10-кратной перекрестной валидации с использованием сохраненных данных предиктора (SVMModel.X
) и метки классов (SVMModel.Y
), как описано в [1]. Функция преобразования вычисляет апостериорную вероятность того, что наблюдение классифицировано в положительный класс (SVMModel.Classnames(2)
).
Если классы неразрывны, то функция преобразования является сигмоидной функцией.
Если классы совершенно разделимы, то функция преобразования является функцией шага.
В двухклассном обучении, если один из двух классов имеет относительную частоту 0, то функция преобразования является постоянной функцией. The fitPosterior
функция не подходит для одноклассного обучения.
Программное обеспечение сохраняет оптимальную функцию счета-в-апостериорно-вероятностного преобразования в ScoreSVMModel.ScoreTransform
.
Если вы переоцениваете счет функцию преобразования -в-апостериорную-вероятность, то есть, если вы передаете классификатор SVM, чтобы fitPosterior
или fitSVMPosterior
и его ScoreTransform
свойство не none
, затем программное обеспечение:
Отображение предупреждения
Устанавливает исходную функцию преобразования в 'none'
перед оценкой нового
Вы также можете подгонять апостериорную функцию вероятности при помощи fitSVMPosterior
. Эта функция похожа на fitPosterior
, за исключением того, что он является более широким, поскольку он принимает более широкую область значений типов классификаторов SVM.
[1] Platt, J «. Вероятностные выходы для машин опорных векторов и сравнения с регуляризованными методами правдоподобия». Усовершенствования в классификаторах больших марж. Cambridge, MA: The MIT Press, 2000, pp. 61-74.