主要内容gydF4y2Ba

使用分类学习金宝app应用程序训练支持向量机gydF4y2Ba

这个例子展示了如何在Classification Learner应用程序金宝app中构造支持向量机(SVM)分类器gydF4y2Ba电离层gydF4y2Ba包含两个类的数据集。您可以在Classifica金宝apption Learner中使用两个或多个类的支持向量机(SVM)。SVM通过寻找最佳超平面来对数据进行分类，该超平面将一个类的所有数据点从另一个类的所有数据点中分离出来。在gydF4y2Ba电离层gydF4y2Ba数据，响应变量是分类的，有两个层次:gydF4y2BaggydF4y2Ba表示良好的雷达回报，并且gydF4y2BabgydF4y2Ba表示糟糕的雷达回报。gydF4y2Ba

  1. 在MATLABgydF4y2Ba®gydF4y2Ba，加载gydF4y2Ba电离层gydF4y2Ba数据集，并从数据集中定义一些变量用于分类。gydF4y2Ba

    负载gydF4y2Ba电离层gydF4y2Ba电离层= array2table(X);电离层。组= Y;gydF4y2Ba

    或者，您可以加载gydF4y2Ba电离层gydF4y2Ba数据集并保存gydF4y2BaXgydF4y2Ba和gydF4y2BaYgydF4y2Ba数据作为单独的变量。gydF4y2Ba

  2. 在gydF4y2Ba应用程序gydF4y2Ba选项卡，在gydF4y2Ba机器学习和深度学习gydF4y2Ba组中,单击gydF4y2Ba分类学习者gydF4y2Ba．gydF4y2Ba

  3. 在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba文件gydF4y2Ba部分中,点击gydF4y2Ba从工作区中创建会话>gydF4y2Ba．gydF4y2Ba

    分类学习者选项卡gydF4y2Ba

    在“从工作区新建会话”对话框中，选择表gydF4y2Ba电离层gydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。观察应用程序已经根据它们的数据类型选择了响应变量和预测变量。响应变量gydF4y2Ba集团gydF4y2Ba有两个层次。所有其他变量都是预测变量。gydF4y2Ba

    或者，如果你保留你的预测数据gydF4y2BaXgydF4y2Ba响应变量gydF4y2BaYgydF4y2Ba作为两个独立的变量，您可以首先选择矩阵gydF4y2BaXgydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。然后,在gydF4y2Ba响应gydF4y2Ba，按gydF4y2Ba从工作空间gydF4y2Ba单选按钮，选择gydF4y2BaYgydF4y2Ba从名单上。的gydF4y2BaYgydF4y2Ba变量与gydF4y2Ba集团gydF4y2Ba变量。gydF4y2Ba

  4. 点击gydF4y2Ba开始会议gydF4y2Ba．gydF4y2Ba

    分类学习器创建数据的散点图。gydF4y2Ba

  5. 使用散点图来可视化哪些变量对预测响应有用。在X轴和y轴控件中选择不同的变量。观察哪些变量将类颜色区分得最清楚。gydF4y2Ba

  6. 训练一个选择的SVM模型，在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型gydF4y2Ba节中，单击向下箭头展开分类器列表，然后单击gydF4y2Ba金宝app支持向量机gydF4y2Ba,点击gydF4y2Ba所有支持向量机gydF4y2Ba．然后，在gydF4y2Ba火车gydF4y2Ba部分中,点击gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba火车都gydF4y2Ba．gydF4y2Ba

    请注意gydF4y2Ba

    • 如果您有并行计算工具箱™，那么应用程序有gydF4y2Ba使用并行gydF4y2Ba按钮默认开启。点击之后gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba火车都gydF4y2Ba或gydF4y2Ba选择火车gydF4y2Ba，该应用程序会打开一个并行的员工池。在此期间，您无法与该软件进行交互。泳池开放后，你可以继续与应用程序互动，而模型则并行训练。gydF4y2Ba

    • 如果你没有并行计算工具箱，那么应用程序有gydF4y2Ba使用背景培训gydF4y2Ba中的复选框。gydF4y2Ba火车都gydF4y2Ba默认选择的菜单。在你点击训练模型后，应用程序会打开一个后台池。泳池开放后，当模特在后台训练时，你可以继续与应用程序互动。gydF4y2Ba

    分类学习器训练图库中每个SVM选项中的一个，以及默认的精细树模型。在gydF4y2Ba模型gydF4y2Ba窗格中，应用程序在方框中概述gydF4y2Ba准确性(验证)gydF4y2Ba最佳模型得分。分类学习器还显示了第一个SVM模型的验证混淆矩阵(gydF4y2Ba线性支持向量机gydF4y2Ba）.gydF4y2Ba

    基于支持向量机分类器的电离层数据混淆矩阵验证。蓝色值表示正确的分类，红色值表示错误的分类。gydF4y2Ba

    请注意gydF4y2Ba

    验证在结果中引入了一些随机性。您的模型验证结果可能与本示例中显示的结果不同。gydF4y2Ba

  7. 中选择模型以查看模型的结果gydF4y2Ba模型gydF4y2Ba窗格，并检查gydF4y2Ba总结gydF4y2Ba选项卡。的gydF4y2Ba总结gydF4y2Ba选项卡显示gydF4y2Ba培训结果gydF4y2Ba在验证集上计算的度量。gydF4y2Ba

  8. 对于所选的模型，检查每一类预测的准确性。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba情节gydF4y2Ba部分，单击箭头打开图库，然后单击gydF4y2Ba混淆矩阵(验证)gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。查看真实班级和预测班级结果的矩阵。gydF4y2Ba

  9. 对于每个剩余的模型，在gydF4y2Ba模型gydF4y2Ba窗格中，打开验证混淆矩阵，然后比较各个模型的结果。gydF4y2Ba

  10. 选择最好的模型gydF4y2Ba模型gydF4y2Ba窗格(最佳分数高亮显示在方框中)。为了改进模型，可以尝试在模型中包含不同的特性。看看是否可以通过去除低预测能力的特征来改进模型。gydF4y2Ba

    首先复制最好的模型。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型gydF4y2Ba部分中,点击gydF4y2Ba重复的gydF4y2Ba．gydF4y2Ba

  11. 要研究要包含或排除的特征，请使用平行坐标图。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba情节gydF4y2Ba部分，单击箭头打开图库，然后单击gydF4y2Ba平行坐标gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。保持能很好地区分类的预测器。gydF4y2Ba

    您可以在模型中指定训练期间要使用的预测器gydF4y2Ba总结gydF4y2Ba选项卡。点击gydF4y2Ba特征选择gydF4y2Ba展开部分，并指定要从模型中删除的预测器。gydF4y2Ba

  12. 或者，您可以使用特征排序算法来确定在模型训练期间使用哪些特征。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba选项gydF4y2Ba部分中,点击gydF4y2Ba特征选择gydF4y2Ba．在gydF4y2Ba默认特性选择gydF4y2Ba选项卡，指定要使用的特征排序算法。指定要保留在最高级别特性中的特性数量。您可以使用条形图来帮助决定使用多少功能。gydF4y2Ba

    点击gydF4y2Ba保存并应用gydF4y2Ba以保存更改。中的现有模型草案应用了新的特征选择gydF4y2Ba模型gydF4y2Ba窗格中，并将应用于使用图库创建的新草稿模型gydF4y2Ba模型gydF4y2Ba部份gydF4y2Ba分类学习者gydF4y2Ba选项卡。gydF4y2Ba

  13. 训练模型。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba火车gydF4y2Ba部分中,点击gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba选择火车gydF4y2Ba使用新的选项来训练模型。中的分类器之间的结果进行比较gydF4y2Ba模型gydF4y2Ba窗格。gydF4y2Ba

  14. 选择最好的模型gydF4y2Ba模型gydF4y2Ba窗格。为了进一步改进模型，可以尝试改变它的超参数。方法复制模型gydF4y2Ba重复的gydF4y2Ba按钮。gydF4y2Ba模型gydF4y2Ba部分。然后，尝试更改模型中的超参数设置gydF4y2Ba总结gydF4y2Ba选项卡。通过单击来训练新模型gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba选择火车gydF4y2Ba在gydF4y2Ba火车gydF4y2Ba部分。有关设置的信息，请参见gydF4y2Ba金宝app支持向量机gydF4y2Ba．gydF4y2Ba

  15. 您可以将训练过的模型的完整或紧凑版本导出到工作区。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba出口gydF4y2Ba部分中,点击gydF4y2Ba出口模式gydF4y2Ba选择其中之一gydF4y2Ba出口模式gydF4y2Ba或gydF4y2Ba出口紧凑型gydF4y2Ba．看到gydF4y2Ba导出分类模型预测新数据gydF4y2Ba．gydF4y2Ba

  16. 若要查看用于训练此分类器的代码，请单击gydF4y2Ba生成函数gydF4y2Ba．有关支持向量机模型，请参见gydF4y2Ba生成用于预测的C代码gydF4y2Ba．gydF4y2Ba

使用相同的工作流来评估和比较您可以在“分类学习器”中训练的其他分类器类型。gydF4y2Ba

要尝试所有可用于您的数据集的不可优化分类器模型预设:gydF4y2Ba

  1. 在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型gydF4y2Ba部分，单击箭头打开分类模型库。gydF4y2Ba

  2. 在gydF4y2Ba开始gydF4y2Ba组中,单击gydF4y2Ba所有gydF4y2Ba．然后，在gydF4y2Ba火车gydF4y2Ba部分中,点击gydF4y2Ba火车都gydF4y2Ba并选择gydF4y2Ba火车都gydF4y2Ba．gydF4y2Ba

    用于训练所有可用分类器类型的选项gydF4y2Ba

要了解其他分类器类型，请参见gydF4y2Ba在分类学习App中训练分类模型gydF4y2Ba．gydF4y2Ba

相关的话题gydF4y2Ba