合适的后验概率为紧凑的支持向量机(SVM)分类器金宝app
返回一个训练支持向量机(SVM)分类金宝app器ScoreSVMModel
= fitPosterior (SVMModel
资源描述
Y
返回一个训练SVM分类器ScoreSVMModel
= fitPosterior (SVMModel
X
Y
(
此外返回最优score-to-posterior-probability转换函数参数(ScoreSVMModel
ScoreTransform
这个过程描述了一种方法来预测积极类的后验概率。 训练SVM分类器通过数据 通过训练SVM分类器 通过预测数据矩阵和训练支持向量机分类器包含最优分数转换函数( 如果你跳过步骤2
fitcsvm
预测
拟合后验概率之后,可以生成C / c++代码,预测新数据标签。需要生成C / c++代码<年代pan class="entity">MATLAB<年代up>®
软件适合适当的score-to-posterior-probability变换函数通过使用支持向量机分类器 如果类是分不开的,那么转换函数 如果类是完全分离的,那么转换函数 在两种学习,如果其中一个两个类的相对频率为0,然后转换函数 软件商店的最佳score-to-posterior-probability转换功能 如果你重新评估score-to-posterior-probability转换函数,也就是说,如果你通过SVM分类器 显示一个警告 重置最初的转换函数
你也可以适应最优score-to-posterior-probability函数使用fitSVMPosterior
[1]普拉特,j .“概率输出支持向量机和比较正规化方法的可能性。”金宝app
CompactClassificationSVM
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitSVMPosterior
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测