合适的后验概率
返回ScoreSVMModel
= fitSVMPosterior (svmmodel.
)ScoreSVMModel
,这是一个训练有素的支持向量机(SVM)分类金宝app器,包含用于两类学习的最佳分数到后概率变换功能。
该软件使用支持向量机分类器拟合适当的得分-后验概率转换函数svmmodel.
,以及使用存储的预测器数据的交叉验证(SVMModel。X
)和类标签(SVMModel。Y
).变换函数计算观察被归入正类的后验概率(SVMModel.Classnames (2)
).
如果类不可分割,则转换函数是符切函数.
如果类是完全可分离的,那么变换函数就是阶跃函数.
在两类学习中,如果其中一个类的相对频率为0,则变换函数为恒定功能.fitSVMPosterior
不适合单班学习。
如果svmmodel.
是一个ClassificationSVM
分类器,然后软件通过10倍交叉验证估计最优的转换函数,如所述[1].除此以外,svmmodel.
必须是A.ClassificationededModel.
分类器。svmmodel.
指定交叉验证方法。
该软件将最优变换函数存储在scorsvmmodel.scoretransform.
.
返回一个训练过的支持向量机分类器,该金宝app分类器包含从训练过的、紧凑的支持向量机分类器得到的转换函数ScoreSVMModel
= fitSVMPosterior (svmmodel.
,资源描述
,ResponseVarName
)svmmodel.
.该软件使用表中的预测数据估计分数转换函数资源描述
和类标签资源描述。ResponseVarName
.
返回一个训练过的支持向量机分类器,该金宝app分类器包含从训练过的、紧凑的支持向量机分类器得到的转换函数ScoreSVMModel
= fitSVMPosterior (svmmodel.
,资源描述
,Y
)svmmodel.
.该软件使用表中的预测数据估计分数转换函数资源描述
和类标签Y
.
返回一个训练过的支持向量机分类器,该金宝app分类器包含从训练过的、紧凑的支持向量机分类器得到的转换函数ScoreSVMModel
= fitSVMPosterior (svmmodel.
,X
,Y
)svmmodel.
.该软件使用预测器数据估计分数转换功能X
和类标签Y
.
,ScoreSVMModel
= fitSVMPosterior (<年代pan class="argument_placeholder">___名称,值
)使用一个或多个指定的其他选项名称,值
对参数提供svmmodel.
是一个ClassificationSVM
分类器。例如,您可以指定要使用的折叠数k倍交叉验证。
[
)另外返回转换函数参数(ScoreSVMModel
,ScoreTransform
) = fitSVMPosterior (<年代pan class="argument_placeholder">___ScoreTransform
),使用前面语法中的任何输入参数。
这个过程描述了一种预测正类后验概率的方法。
通过传递数据来训练SVM分类器fitcsvm
.结果是一个训练的SVM分类器,如svmmodel.
,用来存储数据。软件设置分数变换函数属性(SVMModel。ScoreTransformation
) 到没有一个
.
通过训练的SVM分类器svmmodel.
来fitSVMPosterior
或者FitleDosterior.
.结果,如:ScoreSVMModel
,与训练的SVM分类器相同svmmodel.
,除了软件集scorsvmmodel.scoreTransformation.
的最优积分变换函数。
通过预测器数据矩阵和包含最佳分数转换功能的训练的SVM分类器(ScoreSVMModel
) 到预测
.的第二个输出参数中的第二列预测
存储预测器数据矩阵每一行对应的正类后验概率。
如果你跳过第二步,那么预测
返回正类分数而不是正类后概率。
在拟合后验概率之后,您可以生成C/ c++代码来预测新数据的标签。生成C/ c++代码需要<年代pan class="entity">MATLAB<年代up>®编码器™.有关详细信息,请参见代码生成简介.
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FitleDosterior.
或者fitSVMPosterior
和它的ScoreTransform
属性是不没有一个
,那么软件:
显示一个警告
重置原始转换函数“没有”
在估计新的情况之前
[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:大裕度分类器的进展.剑桥,马:2000,第61-74页的麻省理工学院新闻。
ClassificationededModel.
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">ClassificationSVM
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">CompactClassificationSVM
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">FitleDosterior.
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">FitleDosterior.
|<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">kfoldPredict
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测