主要内容

LaTrayuccióndeestaPáginaEstáOumboleta。Haga ClicAquíParaVer LaúltimaVersiónNengl​​és。

Clasificación de máquinas de vectorres de apoyo

Máquinasde Vectorys de apoyo paraclasificaciónbinariao multiclase

对位aumentar精度y de一些必要区分各种de内核en conjuntos de出去拿督德维y mediana entrene联合国莫德罗SVM binario o联合国莫德罗multiclase de脏污德公司salida de correccion de错误(ECOC, sus siglas en单身),contenga aprendices binarios de SVM mediante la应用分类学习者。Para Mayor Flexibilidad,Utilice La Interfaz de Linea de Comandos Para entrenar Un Modelo Svm Binario MediantefitcsvmO UN Modelo Ecoc MultiClase Compuesto Por Aprendices Binarios de Svm Mediantefitcecoc

在其他维度的数据结合的时间上的还原,在clasificación线性二值化模型上的有效形式,在一个线性SVM模型上的有效形式,中值FitClinear.o entrene un modelo ecoc multiclase compuesto por modelos svm mediantefitcecoc

对大数据的分类没有线性关系,需要一个clasificación的核高斯中值模型fitckernel

应用

分类学习者 使用有监督的机器学习训练模型来分类数据

布洛克斯

分类vm预测 使用支持向量机(SVM)分类器进行分类观测,用于单级和二金宝app进制分类

汽油

扩展论

fitcsvm 训练支持向量金宝app机分类器用于一类和二值分类
fitsvmposterior. 适合后概率
预测 使用支持向量机(SVM)分类器分类观察金宝app
templatesvm. 金宝app支持矢量机器模板
FitClinear. 拟合二元线性分类器到高维数据
预测 用于线性分类模型的标签
TemplateLinear. 线性分类学习模板
fitckernel 适用于随机功能扩展的拟合二元高斯内核分类器
预测 预测高斯内核分类模型的标签
TemplateKernel. 内核模型模板
fitcecoc 适用于支持向量机或其他分类器的多键模型金宝app
预测 使用多批分纠错输出代码(ECOC)模型来分类观察
templateECOC 纠错输出代码学习者模板

克里斯

扩展论

ClassificationSVM 金宝app支持向量机(SVM)用于单级和二进制分类
CompactClassificationSVM 紧凑型支持向量机金宝app(SVM)用于单级和二进制分类
ClassificationPartitionedModel. 旨在分类模型
ClassificationLinear 高维数据二进制分类的线性模型
分类分类线性 用于高维数据二进制分类的交叉验证的线性模型
ClassificationKernel. 高斯内核分类模型使用随机特征扩展
ClassificationPartitionedKernel 交叉验证的二元内核分类模型
ClassificeCoc. 支持向量机(svm)等分类器的多类模型金宝app
CompactClassificyCoc. 支持向量机(SVM)和其他分类器的紧凑型多键模型金宝app
ClassificationPartitionedECOC 用于支持向量机(SVM)和其他分类器的交叉验证的多种子体ECOC模型金宝app
ClassificationPartitionedLinearECOC 用于多尺寸数据的多级数据分类的交叉验证的线性纠错输出代码模型
ClassificationPartitionedKernelECOC 多款分类的交叉验证内核纠错输出代码(ECOC)模型

特马

使用分类学习金宝app程序训练支持向量机

创建和比较支持向量机(SVM)分类器,金宝app并导出培训的模型来对新数据进行预测。

金宝app支持矢量机器用于二进制分类

使用分隔超平面和内核转换,通过SVM执行二进制分类。

使用分类支持向量机预测块预测类标签

此示例显示如何在Simulink®中使用ClassificationsVM预测块进行标记预测。金宝app