拟合支持向量机分类器的后验概率金宝app据/p>
返回一个训练过的支持向量机分类器金宝app据code class="literal">ScoreSVMModel据/code>包含两类学习的最优得分-后验概率变换函数。有关详细信息,请参见据a href="//www.tatmou.com/help/stats/classificationsvm.fitposterior.html" class="intrnllnk">算法据/a>.据/p>
ScoreSVMModel据/code>
= fitPosterior (据a href="#bt8nq7q_sep_shared-SVMModel" class="intrnllnk">SVMModel据/code>)据/code>
[据a href="#d123e379847" class="intrnllnk">
另外,返回最优的得分后验概率转换函数参数。据/p>
ScoreSVMModel据/code>那据a href="#bt8nq7q_sep_shared-ScoreTransform" class="intrnllnk">
ScoreTransform据/code>] = fitPosterior(据a href="#bt8nq7q_sep_shared-SVMModel" class="intrnllnk">
SVMModel据/code>)据/code>
[据a href="#d123e379847" class="intrnllnk">
使用由一个或多个名称-值对参数指定的附加选项。例如,您可以指定折叠的数量或坚守样品的比例。据/p>
ScoreSVMModel据/code>那据a href="#bt8nq7q_sep_shared-ScoreTransform" class="intrnllnk">
ScoreTransform据/code>] = fitPosterior(据a href="#bt8nq7q_sep_shared-SVMModel" class="intrnllnk">
SVMModel据/code>那据a href="#namevaluepairarguments" class="intrnllnk">
名称,价值据/code>)据/code>
这个过程描述了一种预测正类后验概率的方法。据/p>
通过传递数据来训练SVM分类器据a href="//www.tatmou.com/help/stats/fitcsvm.html">fitcsvm据/code>.结果是一个训练的SVM分类器,如据code class="literal">SVMModel据/code>,用来存储数据。软件设置分数变换函数属性(据code class="literal">SVMModel。ScoreTransformation据/code>)据code class="literal">没有一个据/code>.据/p>
通过训练的SVM分类器据code class="literal">SVMModel据/code>来据code class="literal">fitSVMPosterior据/code>或据code class="literal">fitPosterior据/code>.结果,如:据code class="literal">ScoreSVMModel据/code>,与训练的SVM分类器相同据code class="literal">SVMModel据/code>,除了软件集据code class="literal">ScoreSVMModel。ScoreTransformation据/code>的最优积分变换函数。据/p>
通过预测器数据矩阵和包含最优分数变换函数的训练SVM分类器(据code class="literal">ScoreSVMModel据/code>)据a href="//www.tatmou.com/help/stats/classreg.learning.classif.compactclassificationsvm.predict.html"> 如果您跳过步骤2,然后据code class="literal">预测据/code>返回正的类别得分,而不是正的类别后验概率。据/p>预测据/code>.在的第二输出参数中的第二列据code class="literal">预测据/code>存储预测器数据矩阵每一行对应的正类后验概率。据/p>
装修后验概率后,可以生成C / C ++代码,预测新的数据标签。生成C / C ++代码需要据S.pan class="entity">MATLAB据S.up>®据/sup>编码器™据/span>.有关详细信息,请参见据a href="//www.tatmou.com/help/stats/introduction-to-code-generation.html" class="a">代码生成简介据/a>.据/p>
该软件利用支持向量机分类器拟合出合适的得分-后验概率转换函数据code class="literal">SVMModel据/code>通过使用存储的预测数据进行10倍交叉验证(据code class="literal">SVMModel.X据/code>)和类别标签(据code class="literal">SVMModel.Y据/code>)据a href="//www.tatmou.com/help/stats/classificationsvm.fitposterior.html" class="intrnllnk">[1]据/a>.变换函数计算观察被归入正类的后验概率(据code class="literal">SVMModel.Classnames (2)据/code>).据/p>
如果类是不可分的,那么变换函数就是据a href="//www.tatmou.com/help/stats/classreg.learning.classif.compactclassificationsvm.fitposterior.html" class="a">乙状结肠函数据/a>.据/p>
如果类是完全可分离的,那么转换函数就是据a href="//www.tatmou.com/help/stats/classreg.learning.classif.compactclassificationsvm.fitposterior.html" class="a">阶段功能据/a>.据/p>
两个级的学习,如果两个类中的一个具有为0的相对频率,则该变换函数是据a href="//www.tatmou.com/help/stats/fitsvmposterior.html" class="a">常数函数据/a>.这据code class="literal">fitPosterior据/code>功能不适合单班学习。据/p>
该软件将最优的得分后验概率变换函数存储在据code class="literal">ScoreSVMModel。ScoreTransform据/code>.据/p>
如果您重新估计得分后验概率转换函数,也就是说,如果您将一个SVM分类器传递给据code class="literal">fitPosterior据/code>或据code class="literal">fitSVMPosterior据/code>和它的据code class="literal">ScoreTransform据/code>属性是不据code class="literal">没有一个据/code>,则软件:据/p>
显示一个警告据/p>
将原来的转换函数重置为据code class="literal">'没有任何'据/code>在估计新的情况之前据/p>
你也可以用据a href="//www.tatmou.com/help/stats/fitsvmposterior.html">fitSVMPosterior据/code>.这个函数类似于据code class="literal">fitPosterior据/code>,但它更广泛,因为它接受更广泛的SVM分类器类型。据/p>
[1] Platt, J.“支持向量机的概率输出和与正则似然方法的比较。”金宝app据em class="citetitle">在大间隔分类进展据/em>.麻省理工学院出版社,2000年,61-74页。据/p>
ClassificationSVM据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitSVMPosterior据/code>
|据S.pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测据/code>