在低通过中维数据集上的更高准确性和内核功能选择,培训二进制SVM模型或使用SVM二进制学习者的多种单态误差输出代码(ECOC)模型使用分类学习者应用程序。有关更大的灵活性,请使用命令行界面培训二进制SVM模型使用fitcsvm.
或培训由二进制SVM学习者组成的多种多组ECOC模型使用Fitcecoc.
。
对于高维数据集的计算时间,有效地培训二进制,线性分类模型,例如线性SVM模型,使用FitClinear.
或培训由SVM型号组成的多种多组ECOC模型使用Fitcecoc.
。
对于具有大数据的非线性分类,培训二进制,高斯内核分类模型使用Fitconnelel.
。
分类学习者 | 火车模型以使用监督机器学习对数据进行分类 |
分类vm预测 | 分类使用支持向量机(SVM)分类器进行单级和二进制分类的金宝app分类观察 |
创建和比较支持向量机(SVM)分类器,金宝app以及导出培训的模型,以便对新数据进行预测。
使用分隔超平面和内核转换,通过SVM执行二进制分类。
此示例显示如何在Simulink®中使用ClassificationsVM预测块进行标记预测。金宝app
使用基于小波的特征和支持向量机的信号分类金宝app(小波工具箱)
小波时间散射对音盲数据的分类(小波工具箱)