Предскажите ответы с помощью модели регрессии машины опорных векторов (SVM)
Statistics and Machine Learning Toolbox / регрессия
Блок RegressionSVM Predict предсказывает ответы с помощью объекта регрессии SVM (RegressionSVM
или CompactRegressionSVM
).
Импортируйте обученный объект регрессии SVM в блок путем определения имени переменной рабочей области, которая содержит объект. Входной порт x получает наблюдение (данные о предикторе), и выходной порт yfit, 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 векторов поддержки, 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
.
Можно использовать блок MATLAB function с predict
объектная функция объекта регрессии SVM (RegressionSVM
или CompactRegressionSVM
). Для примера смотрите, Предсказывают, что Класс Маркирует Using MATLAB Function Block.
При решении, использовать ли блок RegressionSVM Predict в библиотеке Statistics and Machine Learning Toolbox™ или блоке MATLAB function с predict
функционируйте, рассмотрите следующее:
Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer), чтобы преобразовать модель 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 последующей обработки прежде или после предсказаний в том же блоке MATLAB function.