Сбросьте поддерживающие векторы
mdlOut = discardSupportVectors(mdl)
возвращает обученную, линейную модель регрессии машины опорных векторов (SVM) mdlOut
= discardSupportVectors(mdl
)mdlOut
, что похоже на обученную линейную регрессионую модель SVM mdl
, за исключением:
The Alpha
и SupportVectors
свойства пусты ([]
).
Если вы отображаете mdlOut
, программное обеспечение перечисляет Beta
свойство вместо Alpha
свойство.
Для обученной, линейной регрессионой модели SVM, SupportVectors
свойство является nsv -by- p матрицей. nsv - количество векторов поддержки (самое большее - размер обучающей выборки), а p - количество переменных предиктора. Если любой из предикторов является категориальным, то p включает в себя количество фиктивных переменных, необходимых для учета всех категориальных уровней предиктора. The Alpha
свойство является вектором с nsv элементами.
The SupportVectors
и Alpha
свойства могут быть большими для комплексных данных наборов, которые содержат много наблюдений или примеров. Однако Beta
свойство является вектором с p элементами, которые могут быть значительно меньше. Можно использовать обученную регрессионую модель SVM, чтобы предсказать значения отклика, даже если вы отбрасываете векторы поддержки, потому что predict
и resubPredict
методы используют Beta
для вычисления предсказанных откликов.
Если обученная, линейная регрессионая модель SVM имеет много векторов поддержки, используйте discardSupportVectors
чтобы уменьшить количество дискового пространства, которое занимает обученная, линейная регрессионая модель SVM. Размер матрицы векторов поддержки можно отобразить путем ввода size(mdlIn.SupportVectors)
.
The predict
и resubPredict
оцените значения отклика по формуле
где:
β - значение Бета, сохраненное как mdl.Beta
.
.r0 - значение смещения, сохраненное как mdl.Bias
.
X
- обучающие данные.
S
- значение шкалы ядра, сохраненное как mdl.KernelParameters.Scale
.
Таким образом, программное обеспечение может использовать значение mdl.Beta
сделать предсказания даже после отброса векторов поддержки.
CompactRegressionSVM
| fitrsvm
| predict
| RegressionSVM
| resubPredict