主要内容

金宝app支持向量机回归

金宝app支持向量机的回归模型

为了在低至中维数据集上获得更高的精度，使用下面的方法训练支持向量机(SVM)模型金宝appfitrsvm．

为了减少在高维数据集上的计算时间，有效地训练线性回归模型，如线性支持向量机模型，使用fitrlinear．

应用程序

回归的学习者 使用监督机器学习训练回归模型来预测数据

块

RegressionSVM预测 使用支持向量机(SVM)回归模型预测响应金宝app

功能

全部展开

fitrsvm 拟合支持向量金宝app机回归模型
预测 使用支持向量机回归模型预测响应金宝app
fitrlinear 对高维数据拟合线性回归模型
预测 预测线性回归模型的响应
fitrkernel 利用随机特征展开拟合高斯核回归模型
损失 高斯核回归模型的回归损失
预测 预测高斯核回归模型的响应
的简历 高斯核回归模型的恢复训练
crossval 交叉验证的支持向量机回归模型金宝app
partialDependence 计算部分依赖
plotPartialDependence 创建部分依赖图(PDP)和个人条件期望图(ICE)
石灰 局部可解释的模型不可知解释(LIME)
沙普利 沙普利值

类

全部展开

RegressionSVM 金宝app支持向量机回归模型
CompactRegressionSVM 紧凑支持向量机回金宝app归模型
RegressionLinear 高维数据的线性回归模型
RegressionPartitionedLinear 高维数据的交叉验证线性回归模型
RegressionKernel 高斯核回归模型采用随机特征展开
RegressionPartitionedKernel 交叉验证的回归核模型

主题

使用回归支持向量机预测响应

使用回归学习程序金宝app训练支持向量机(SVM)回归模型，然后使用RegressionSVM预测响应预测块。

理解支持向量机回归金宝app

理解线性和非线性支持向量机回归问题的数学公式和求解算法。

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书