对偶问题系数，指定为数值向量。Α包含米元素，在哪里米为训练后的支持向量机回归模型中支持金宝app向量的个数。对偶问题为每个支持向量引入两个拉格朗日乘数。金宝app的值Α是支持向量的两个估计拉格朗日乘子之间的差异。金宝app有关详细信息，请参见了解支持向量机回归金宝app．

使用。删除副本RemoveDuplicates然后，对于支持向量的特定重复观察，金宝appΑ包含对应于整个集合的一个系数。也就是说，Matlab^®将非零系数赋给从一组重复数据中得到的一个观测值，并将系数赋给0到集合中的所有其他重复观察。

数据类型：单身的|双

原始线性问题系数，存储为长度的数字向量p,在那里p为支持向量机回归模型中预测因子的个数。

中的值bet是原始优化问题的线性系数。

如果模型是使用核函数而不是'线性'，此属性为空(“[]”）.

的预测方法计算模型的预测响应值YFIT = (X/S)×Beta + Bias,在那里年代内核规模的值是否存储在kernelparameters.scale.财产。

数据类型：双

支持向量机回归模型中的偏置项，存储为标量值。

数据类型：双

分类预测索引指定为正整数的向量。CategoricalPredictors包含与包含分类预测器的预测器数据列对应的索引值。如果没有预测器都是分类的，则此属性是空的（［］）.

数据类型：单身的|双

扩展的预测器名称，存储为字符向量的单元格数组。

如果模型对分类变量使用编码，那么ExpandedPredictorNames包括描述扩展变量的名称。否则，ExpandedPredictorNames是一样的PredictorNames．

数据类型：细胞

内核函数参数，存储为具有以下字段的结构。

您可以指定值KernelParameters。功能和kernelparameters.scale.通过使用凯恩机组和KernelScale中的名称-值对参数Fitrsvm.,分别。

数据类型：结构体

预测器表示，存储为数值向量。

如果培训数据标准化，那么亩是一个长度的数字矢量p,在那里p为用于训练模型的预测器数量。在这种情况下预测方法中心预测矩阵X通过减去相应的元素亩从每一列。

如果训练数据没有标准化，那么亩是空的(“[]”）.

数据类型：单身的|双

预测器名称，存储为字符向量的单元格数组，其中包含每个预测器的名称，按它们出现的顺序排列X．PredictorNames长度等于列的数量X．

数据类型：细胞

响应变量名，存储为字符向量。

数据类型：字符

响应转换函数，规定为“没有”或者函数句柄。OrkeTransform.描述软件如何转换原始响应值。

对于MATLAB函数或您定义的函数，输入其函数句柄。例如，输入Mdl。ResponseTransform = @功能,在那里功能接受原始响应的数字矢量，并返回包含变换响应的相同大小的数字矢量。

数据类型：字符|function_handle

预测标准偏差，存储为数值向量。

如果培训数据标准化，那么Sigma.是一个长度的数字矢量p,在那里p为用于训练模型的预测器数量。在这种情况下预测方法对预测器矩阵进行标度X通过将每个列除以相应的元素Sigma.，定心后各元件使用亩．

如果训练数据没有标准化，那么Sigma.是空的(“[]”）.

数据类型：单身的|双

金宝app支持向量，存储为米——- - - - - -p数值矩阵。米是支持向量的数量（金宝appsum（mdl.is金宝appsupportvector）),p是预测因子的数量X．

使用。删除副本RemoveDuplicates，那么对于给定的一组重复观测，这些观测是支持向量，金宝app金宝app支持监视器包含一个唯一的支持向量。金宝app

数据类型：单身的|双