Спрогнозируйте ответы, используя машину опорных векторов (SVM) регрессионую модель
Statistics and Machine Learning Toolbox/Регрессия
Блок RegressionSVM Predict предсказывает ответы, используя объект регрессии SVM (RegressionSVM
или CompactRegressionSVM
).
Импортируйте обученный объект регрессии SVM в блок, задав имя переменной рабочей области, которая содержит объект. Вход x порта получает наблюдение (данные предиктора), и выход yfit порта возвращает предсказанный ответ для наблюдения.
Типы данных |
|
Прямое сквозное соединение |
|
Многомерные сигналы |
|
Сигналы переменного размера |
|
Обнаружение пересечения нулем |
|
Если вы используете линейную модель SVM и она имеет много поддержку векторов, то предсказание может быть медленным. Чтобы эффективно предсказать ответы на основе линейной модели SVM, удалите векторы поддержки из RegressionSVM
или CompactRegressionSVM
объект при помощи discardSupportVectors
.
Вы можете использовать блок MATLAB Function с predict
функция объекта регрессии SVM (RegressionSVM
или CompactRegressionSVM
). Для получения примера смотрите Предсказание меток классов с использованием Блока MATLAB function.
При решении, использовать ли блок RegressionSVM Predict в библиотеке Statistics and Machine Learning Toolbox™ или блоке MATLAB Function с predict
функцию, примите к сведению следующее:
Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer) для преобразования модели с плавающей точкой в фиксированную точку.
Поддержка массивов переменного размера должна быть включена для блока MATLAB Function с predict
функция.
Если вы используете блок MATLAB Function, можно использовать функции MATLAB для предварительной обработки или постобработки до или после предсказаний в том же блоке MATLAB Function.