Подгонка апостериорных вероятностей
возвращает ScoreSVMModel
= fitSVMPosterior(SVMModel
)ScoreSVMModel
, который является обученным классификатором векторной машины поддержки (SVM), содержащим оптимальную функцию преобразования балла в апостериорную вероятность для двухклассного обучения.
Программа подходит для соответствующего счета преобразования -к-апостериорной вероятности с помощью классификатора SVM SVMModel
, и перекрестной валидацией с использованием сохраненных данных предиктора (SVMModel.X
) и метки классов (SVMModel.Y
). 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, функция преобразования является функцией шага.
В двухклассном обучении, если один из двух классов имеет относительную частоту 0, то функция преобразования является постоянной функцией. fitSVMPosterior
не подходит для одноклассного обучения.
Если SVMModel
является ClassificationSVM
классификатор, затем программное обеспечение оценивает оптимальную функцию преобразования 10-кратной перекрестной валидацией, как описано в [1]. В противном случае SVMModel
должен быть ClassificationPartitionedModel
классификатор. SVMModel
задает метод перекрестной проверки.
Программное обеспечение сохраняет оптимальную функцию преобразования в ScoreSVMModel.ScoreTransform
.
возвращает обученный классификатор векторов поддержки, содержащий функцию преобразования, из обученного компактного классификатора SVM ScoreSVMModel
= fitSVMPosterior(SVMModel
,TBL
,ResponseVarName
)SVMModel
. Программа оценивает функцию преобразования счета, используя данные предиктора в таблице TBL
и метки классов TBL.ResponseVarName
.
возвращает обученный классификатор векторов поддержки, содержащий функцию преобразования, из обученного компактного классификатора SVM ScoreSVMModel
= fitSVMPosterior(SVMModel
,TBL
,Y
)SVMModel
. Программа оценивает функцию преобразования счета, используя данные предиктора в таблице TBL
и метки классов Y
.
возвращает обученный классификатор векторов поддержки, содержащий функцию преобразования, из обученного компактного классификатора SVM ScoreSVMModel
= fitSVMPosterior(SVMModel
,X
,Y
)SVMModel
. Программа оценивает функцию преобразования счета, используя данные предиктора X
и метки классов Y
.
использует дополнительные опции, заданные одним или несколькими ScoreSVMModel
= fitSVMPosterior(___,Name,Value
)Name,Value
предоставлены аргументы в виде пар SVMModel
является ClassificationSVM
классификатор. Например, можно задать количество складок для использования в перекрестной валидации k-fold.
[
дополнительно возвращает параметры функции преобразования (ScoreSVMModel
,ScoreTransform
]
= fitSVMPosterior(___)ScoreTransform
) с использованием любого из входных параметров в предыдущих синтаксисах.
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.
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
[1] Platt, J «. Вероятностные выходы для машин опорных векторов и сравнения с регуляризованными методами правдоподобия». В: Усовершенствования в классификаторах больших марж. Cambridge, MA: The MIT Press, 2000, pp. 61-74.
ClassificationPartitionedModel
| ClassificationSVM
| CompactClassificationSVM
| fitcsvm
| fitPosterior
| fitPosterior
| kfoldPredict
| predict