使用支持向量机(SVM)回归模型预测响应金宝app
统计和机器学习工具箱/回归
这回归vm预测块使用SVM回归对象预测响应(回归vm.
或者compactregressionsvm.
)。
通过指定包含对象的工作区变量的名称,将训练的SVM回归对象导入块中。输入端口X接收观察(预测器数据)和输出端口YFIT.返回对观察的预测响应。
数据类型 |
|
直接喂养 |
|
多维信号 |
|
可变尺寸信号 |
|
零交叉检测 |
|
如果您使用的是线性SVM模型,它有许多支持向量,则预测可能会慢。金宝app为了有效地预测基于线性SVM模型的响应,从而从中删除支持向量金宝app回归vm.
或者compactregressionsvm.
通过使用丢弃普罗斯韦普金宝app罗斯韦
。
您可以使用MATLAB功能块预测
SVM回归对象的对象函数(回归vm.
或者compactregressionsvm.
)。例如,看到使用MATLAB功能块预测类标签。
在决定是否使用回归vm预测统计和机器学习工具箱™库或Matlab功能块中的块预测
功能,考虑以下内容:
如果使用统计和机器学习工具箱库块,则可以使用固定点工具(定点设计师)将浮点模型转换为固定点。
金宝app必须为Matlab功能块启用对可变大小阵列的支持预测
功能。
如果使用MATLAB功能块,则可以使用MATLAB函数在同一MATLAB功能块中的预处理之前或之后的预处理或后处理。