主要内容

La traducción de esta página aún没有se ha actualizado a La versión más reciente。Haga clic aquí para ver la última versión en inglés。

Clasificación de máquinas de apoyo矢量

Máquinas de向量de apoyo para clasificación二进制o多分类

Para aumentar la precisión y核函数函数与空间数据的结合,entrene un model - SVM二进制多分类模型códigos de salida de corrección de error (ECOC, por sus siglas en inglés) que contenga modelos de aprendiazaje二进制SVM应用程序分类学习者.Para mayor flexibilidad, utilice la interfaz de línea comandos Para entrar un modelo SVM二进制中线fitcsvm基于ECOC模型的多分类计算,基于支持向量机二元模型的支持向量机中值fitcecoc

对还原时间的过程的结合的数据,在模型的效率的方式clasificación线性二进制,por ejemplo,在模型SVM线性,中间fitclinearo entrene un modelo ECOC多分类计算por modelo SVM中位数fitcecoc

Para las categoriaciones no lineales con大数据,entrene un modelo de clasificación二进制的核心高斯中间fitckernel

应用程序

分类学习者 机器学习管理的先验模型和分类数据

Bloques

ClassificationSVM预测 利用支持向量机(SVM)分类器对观测数据进行单类分类和二金宝app元分类

一些必要

expandir待办事项

fitcsvm 训练支持向量金宝app机分类器用于一类分类和二元分类
fitSVMPosterior 拟合后验概率
预测 利用支持向量机(SVM)分类器对观测数据进行分类金宝app
templateSVM 金宝app支持向量机模板
fitclinear 用二元线性分类器拟合高维数据
预测 预测线性分类模型的标签
templateLinear 线性分类学习器模板
fitckernel 采用随机特征展开方法拟合二元高斯核分类器
预测 高斯核分类模型的标签预测
templateKernel 内核模型模板
fitcecoc 为支持向量机或其他分类器拟合多类模型金宝app
预测 利用多类纠错输出码(ECOC)模型对观测数据进行分类
templateECOC 纠错输出代码学习模板

一堂课

expandir待办事项

ClassificationSVM 金宝app支持向量机(SVM)用于一类和二元分类
CompactClassificationSVM 用于一类和二元分金宝app类的紧凑支持向量机(SVM)
ClassificationPartitionedModel 交叉验证分类模型
ClassificationLinear 高维数据二元分类的线性模型
ClassificationPartitionedLinear 用于高维数据二元分类的交叉验证线性模型
ClassificationKernel 采用随机特征展开的高斯核分类模型
ClassificationPartitionedKernel 交叉验证的二进制内核分类模型
ClassificationECOC 支持向量机(svm)和其他分类器的多类模型金宝app
CompactClassificationECOC 支持向量机(svm)和其他分类器的紧凑多类模型金宝app
ClassificationPartitionedECOC 交叉验证多类ECOC模型支持向量机(svm)和其他分类器金宝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 用于多类分类的交叉验证内核纠错输出代码模型

特马