金宝app支持向量机分类

金宝app支持向量机二进制或多类分类

为了在低至中维数据集上获得更高的精度和核函数选择，使用分类学习者为了获得更大的灵活性，使用命令行界面来训练二进制SVM模型使用fitcsvm或训练一个由二值支持向量机学习者组成的多类ECOC模型fitcecoc．

为了减少在高维数据集上的计算时间，有效地训练二元线性分类模型，如线性支持向量机模型，使用fitclinear或者训练一个由支持向量机模型组成的多类ECOC模型fitcecoc．

对于大数据的非线性分类，使用训练二元高斯核分类模型fitckernel．

应用程序

使用有监督的机器学习训练模型来分类数据

使用支持向量机(SVM)分类器对观测数据进行一类分类和二金宝app值分类

`ClassificationSVM`	金宝app支持向量机(SVM)用于一类和二值分类
`CompactClassificationSVM`	用于一类和二值分金宝app类的紧凑型支持向量机
`ClassificationPartitionedModel`	旨在分类模型

`ClassificationLinear`	用于高维数据二值分类的线性模型
`ClassificationPartitionedLinear`	用于高维数据二值分类的交叉验证线性模型

`ClassificationKernel`	高斯核分类模型使用随机特征展开
`ClassificationPartitionedKernel`	交叉验证的二元核分类模型

`ClassificationECOC`	支持向量机(svm)等分类器的多类模型金宝app
`CompactClassificationECOC`	支持向量机(svm)等分类器的紧凑多类模型金宝app
`ClassificationPartitionedECOC`	支持向量机等分类器的交叉验证多类ECOC模型金宝app
`ClassificationPartitionedLinearECOC`	用于高维数据多类分类的交叉验证线性纠错输出码模型
`ClassificationPartitionedKernelECOC`	多类分类的交叉验证核纠错输出码模型