使用支持向量机(SVM)回归模型预测响应金宝app
统计和机器学习工具箱/回归
的RegressionSVM预测块预测响应使用SVM回归对象(RegressionSVM
或CompactRegressionSVM
).
通过指定包含该对象的工作空间变量的名称,将训练好的SVM回归对象导入到块中。输入端口x接收一个观测值(预测器数据)和输出端口yfit返回观测结果的预测响应。
数据类型 |
|
直接引线 |
|
多维信号 |
|
适应信号 |
|
讨论二阶导数过零检测 |
|
如果您使用的是线性支持向量机模型,并且它有许多支持向量,那么预测可能会很慢。金宝app为了有效地预测基于线性支持向量机模型的响应,从模型中去除支持向量金宝appRegressionSVM
或CompactRegressionSVM
对象,使用discard金宝appSupportVectors
.
函数可以使用MATLAB函数块预测
SVM回归对象的对象函数(RegressionSVM
或CompactRegressionSVM
).有关示例,请参见使用MATLAB函数块预测类标签.
当决定是否使用RegressionSVM预测的统计和机器学习工具箱™库中的函数块或MATLAB函数块预测
函数,考虑如下:
如果使用“统计和机器学习工具箱”库块,则可以使用定点的工具(定点设计师)将浮点模型转换为定点模型。
金宝app控件的MATLAB函数块必须启用对可变大小数组的支持预测
函数。
如果使用MATLAB函数块,则可以在同一MATLAB函数块中使用MATLAB函数进行预测前后的预处理或后处理。