discard金宝appSupportVectors
放弃支持向量线性金宝app支持向量机(SVM)分类器
描述
返回训练,线性支持向量机(SVM)模型金宝appMdl
= discard金宝appSupportVectors (MdlSV
)Mdl
。这两个Mdl
和训练,线性支持向量机模型MdlSV
相同类型的对象。也就是说,他们都是ClassificationSVM
对象或CompactClassificationSVM
对象。然而,Mdl
和MdlSV
在以下方面有所不同:
的
α
,金宝appSupportVectors
,金宝appSupportVectorLabels
属性是空的([]
)Mdl
。如果你显示
Mdl
,软件列表β
财产,而不是α
。
例子
输入参数
提示
一个训练有素的线性支持向量机模型,
金宝appSupportVectors
房地产是一个nsv——- - - - - -p矩阵。nsv是支持向量的数量(最多训练样本大小金宝app)和p预测的数量,或特性。的α
和金宝appSupportVectorLabels
属性向量与nsv元素。这些属性可以为复杂的大数据集包含许多观察或例子。的β
房地产是一个矢量p元素。如果训练SVM模型有许多支持向量,使用金宝app
discard金宝appSupportVectors
减少的空间训练,消耗的线性支持向量机模型。您可以显示的大小通过输入支持向量矩阵金宝app大小(MdlSV.Su金宝apppportVectors)
。
算法
预测
和resubPredict
估计SVM分数f(x),随后使用标签和估计后验概率
β是Mdl.Beta
和b是Mdl.Bias
,即β
和偏见
的属性Mdl
,分别。更多细节,请参阅金宝app支持向量机的二叉分类。
扩展功能
版本历史
介绍了R2015a