主要内容gydF4y2Ba

使用分类学习金宝app器App训练支持向量机gydF4y2Ba

这个例子展示了如何在Classification Learner应用程序金宝app中构造支持向量机(SVM)分类器gydF4y2Ba电离层gydF4y2Ba包含两个类的数据集。您可以在分类学习器中将支持向量机（SVM）与两个或多个类一起使用。SVM通过找到金宝app将一个类的所有数据点与另一个类的所有数据点分离的最佳超平面来对数据进行分类。在gydF4y2Ba电离层gydF4y2Ba数据，响应变量分为两个层次:gydF4y2BaggydF4y2Ba表示良好的雷达回报，并且gydF4y2BabgydF4y2Ba表示雷达回波不好。gydF4y2Ba

  1. 在MATLABgydF4y2Ba®gydF4y2Ba,加载gydF4y2Ba电离层gydF4y2Ba数据集，并从数据集中定义一些用于分类的变量。gydF4y2Ba

    负载gydF4y2Ba电离层gydF4y2Ba电离层= array2table (X);电离层。组= Y;gydF4y2Ba

    或者，您可以加载gydF4y2Ba电离层gydF4y2Ba数据集和保存gydF4y2BaXgydF4y2Ba和gydF4y2BaYgydF4y2Ba数据作为独立的变量。gydF4y2Ba

  2. 在gydF4y2Ba应用程序gydF4y2Ba选项卡，在gydF4y2Ba机器学习与深度学习gydF4y2Ba组中,单击gydF4y2Ba分类学习者gydF4y2Ba．gydF4y2Ba

  3. 在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba文件gydF4y2Ba部分中,点击gydF4y2Ba从工作区新建会话>gydF4y2Ba．gydF4y2Ba

    分类学习者选项卡gydF4y2Ba

    在“从工作区新建会话”对话框中，选择表gydF4y2Ba电离层gydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。观察应用程序根据数据类型选择响应和预测变量。响应变量gydF4y2Ba集团gydF4y2Ba有两个水平。所有其他变量都是预测变量。gydF4y2Ba

    或者，如果你保留你的预测数据gydF4y2BaXgydF4y2Ba和响应变量gydF4y2BaYgydF4y2Ba作为两个独立的变量，可以先选择矩阵gydF4y2BaXgydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba然后，在gydF4y2Ba回答gydF4y2Ba，单击gydF4y2Ba从工作空间gydF4y2Ba单选按钮，选择gydF4y2BaYgydF4y2Ba从列表中删除gydF4y2BaYgydF4y2Ba变量与gydF4y2Ba集团gydF4y2Ba变量。gydF4y2Ba

  4. 点击gydF4y2Ba开始会话gydF4y2Ba．gydF4y2Ba

    分类学习者创建数据的散点图。gydF4y2Ba

  5. 使用散点图显示哪些变量对预测响应有用。在X轴和Y轴控件中选择不同的变量。观察哪些变量最清楚地区分类别颜色。gydF4y2Ba

  6. 要创建选择的SVM模型，请在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型类型gydF4y2Ba节中，单击向下箭头以展开分类器列表，并在gydF4y2Ba金宝app支持向量机gydF4y2Ba点击gydF4y2Ba所有支持向量机gydF4y2Ba．gydF4y2Ba

    然后单击gydF4y2Ba火车gydF4y2Ba．gydF4y2Ba

    提示gydF4y2Ba

    如果你有并行计算工具箱™, 你可以训练所有的模特(gydF4y2Ba所有支持向量机gydF4y2Ba)同时选择gydF4y2Ba使用并行gydF4y2Ba按钮gydF4y2Ba培训gydF4y2Ba节之前点击gydF4y2Ba火车gydF4y2Ba．你点击后gydF4y2Ba火车gydF4y2Ba，打开并行池对话框将打开并保持打开状态，而应用程序将打开一个并行工作人员池。在此期间，您无法与软件交互。池打开后，应用程序将同时训练模型。gydF4y2Ba

    分类学习器训练图库中每个不可优化的SVM分类选项中的一个，并突出显示最好的分数。该应用程序在一个框中勾勒出gydF4y2Ba准确性（验证）gydF4y2Ba最好的模型得分。分类学习者还显示了第一个支持向量机模型的验证混淆矩阵(gydF4y2Ba线性支持向量机gydF4y2Ba)．gydF4y2Ba

    用支持向量机分类器模拟电离层数据的验证混淆矩阵。蓝色值表示正确的分类，红色值表示错误的分类。gydF4y2Ba

    请注意gydF4y2Ba

    验证在结果中引入了一些随机性。您的模型验证结果可能与本例中显示的结果不同。gydF4y2Ba

  7. 要查看模型的结果，请在中选择模型gydF4y2Ba模型gydF4y2Ba窗格，并检查gydF4y2Ba当前模型的总结gydF4y2Ba窗格。的gydF4y2Ba当前模型的总结gydF4y2Ba窗格显示gydF4y2Ba培训结果gydF4y2Ba度量，计算在验证集上。gydF4y2Ba

  8. 对于选定的模型，检查每一类预测的准确性。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba情节gydF4y2Ba段，单击箭头以打开图库，然后单击gydF4y2Ba混淆矩阵(验证)gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。查看真实班级和预测班级结果的矩阵。gydF4y2Ba

  9. 中选择其他模型gydF4y2Ba模型gydF4y2Ba窗格中，打开每个模型的验证混淆矩阵，然后比较结果。gydF4y2Ba

  10. 选择最佳模型（最佳分数在框中突出显示）。若要改进模型，请尝试在模型中包含不同的功能。查看是否可以通过删除预测能力较低的功能来改进模型。gydF4y2Ba

    在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba特性gydF4y2Ba部分中,点击gydF4y2Ba特征选择gydF4y2Ba．在Feature Selection对话框中，指定要从模型中删除的预测器，然后单击gydF4y2Ba好啊gydF4y2Ba．在gydF4y2Ba培训gydF4y2Ba部分中,点击gydF4y2Ba火车gydF4y2Ba用新的选项训练一个新的模型。的分类器之间比较结果gydF4y2Ba模型gydF4y2Ba窗格。gydF4y2Ba

  11. 要调查特征，包括或排除，使用平行坐标图。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba情节gydF4y2Ba节中，单击箭头打开库，然后单击gydF4y2Ba平行坐标gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。gydF4y2Ba

  12. 选择世界上最好的型号gydF4y2Ba模型gydF4y2Ba窗格。为了进一步改进模型，请尝试更改支持向量机的设置。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba模型类型gydF4y2Ba部分中,点击gydF4y2Ba先进的gydF4y2Ba．在“高级支持向量机选项”对话框中，尝试更改设置并单击gydF4y2Ba好啊gydF4y2Ba. 通过单击来训练新模型gydF4y2Ba火车gydF4y2Ba在gydF4y2Ba培训gydF4y2Ba第节。有关设置的信息，请参阅gydF4y2Ba金宝app支持向量机gydF4y2Ba．gydF4y2Ba

  13. 您可以将训练模型的完整或紧凑版本导出到工作空间。在gydF4y2Ba分类学习者gydF4y2Ba选项卡，在gydF4y2Ba出口gydF4y2Ba部分中,点击gydF4y2Ba出口模式gydF4y2Ba和选择gydF4y2Ba出口模式gydF4y2Ba或gydF4y2Ba出口紧凑的模型gydF4y2Ba看见gydF4y2Ba用于预测新数据的导出分类模型gydF4y2Ba．gydF4y2Ba

  14. 要检查用于训练此分类器的代码，请单击gydF4y2Ba生成函数gydF4y2Ba。有关SVM模型，请参见gydF4y2Ba生成C代码的预测gydF4y2Ba．gydF4y2Ba

使用相同的工作流来评估和比较您可以在分类学习器中训练的其他分类器类型。gydF4y2Ba

要尝试所有可用于数据集的不可优化分类器模型预设，请执行以下操作：gydF4y2Ba

  1. 单击最右边的箭头gydF4y2Ba模型类型gydF4y2Ba节以展开分类器列表。gydF4y2Ba

  2. 点击gydF4y2Ba全部的gydF4y2Ba,然后单击gydF4y2Ba火车gydF4y2Ba．gydF4y2Ba

    选择用于训练所有可用分类器类型的选项gydF4y2Ba

要了解其他分类器类型，请参见gydF4y2Ba分类学习器应用程序中的训练分类模型gydF4y2Ba．gydF4y2Ba

相关话题gydF4y2Ba

统计和机器学习工具箱文档gydF4y2Ba

金宝app

掌握机器学习:一步一步的指导与MATLABgydF4y2Ba

掌握机器学习:一步一步的指导与MATLABgydF4y2Ba

下载电子书gydF4y2Ba