バイナリカーネルをし学习のを予测，生成されたた分类の混同混同行列を表示表示

电离层データセットを読み込みます。このデータセットには、レーダー反射についての 34 個の予測子と、不良 ('b'）または（'G'）という351个の项反応含まれいます。

加载电离层

レーダー反射不良（'b'）と（'G'）のどちらを识别バイナリカーネルモデル学习をさせ。

rng('default'）% For reproducibilitymdl = fitckernel（x，y）;

Mdlは分类モデルです。

学习（再）のの予测します。

label =预测（MDL，x）;

混同行列作成します。

混淆=混淆（Y，标签）;

このモデル，クラスについてについてについてつずつのレーダーを误分类し。。

バイナリカーネルをし検定のを予测，生成されたた分类の混同混同行列を表示表示

电离层データセットを読み込みます。このデータセットには、レーダー反射についての 34 個の予測子と、不良 ('b'）または（'G'）という351个の项反応含まれいます。

加载电离层

15％のににににににセットセット検定検定検定検定検定検定検定のののホールドアウトアウト标本ますますますます

rng('default'）% For reproducibilityPartition = cvpartition(Y,'坚持'，0.15）;培训=培训（分区）；培训集的％指数testinds = test（分区）;测试集的％指数

学习セットしバイナリ分类にをさます。クラスの顺序顺序を定义するすることをお勧めお勧め

Mdl=F一世tckernel(X(trainingInds,:),Y(trainingInds),'ClassNames'，，，，{'b'，，，，'G'}）;

学习セットと検定のラベルをし。。。

labelTrain = predict(Mdl,X(trainingInds,:)); labelTest = predict(Mdl,X(testInds,:));

学習セットの混同行列を作成します。

混淆=混淆（Y（训练），标记）；

このモデル，についてについてについてつずつつずつつずつ反射を误分类し。。

検定セット混同行列作成します。

混淆=混淆（y（testinds），labeltest）;

1つのはつの不良レーダー反射を反射てて，，，，，つつのの良好なレーダー反射反射を不良なな反射反射として

検定のクラスを推定し特性（RoC）曲线曲线曲线曲线プロットししててモデルモデルモデルの品质を判断判断しします。カーネル分类モデルは，，

电离层データセットを読み込みます。このデータセットには、レーダー反射についての 34 個の予測子と、不良 ('b'）または（'G'）という351个の项反応含まれいます。

加载电离层

30％のににににますしセットセットセットセット検定検定検定検定検定検定検定セットののののホールドアウト标本标本。。

rng('default'）% For reproducibilityPartition = cvpartition(Y,'坚持'，，，，0.30); trainingInds = training(Partition);培训集的％指数testinds = test（分区）;测试集的％指数

バイナリカーネルにをさせます回帰学习器をあてはめ。。

Mdl=F一世tckernel(X(trainingInds,:),Y(trainingInds),...'ClassNames'，，，，{'b'，，，，'G'}，，'学习者'，，，，“逻辑”）；

検定セット事后确率を予测し。。

[〜，parterior] =预测（mdl，x（testinds，:)）;

Mdl内の化强度ははつなつなので，出力后部2でででがセットの観测と同じ行列になります。列一世には与えた特定の観测に対するに対するmdl.classnames（i）の事後確率が格納されます。

伪阳性率性を取得し，（AUC）ををををを推定ししますますますます。番目番目番目クラスクラスがが阳性阳性

[fpr，tpr，〜，auc] = perfcurve（y（testinds），后验（：，2），mdl.classnames（2））;AUC

AUC=0.9042

aucは1に近いモデルによるの予测精度高いががますます。

ROC 曲線をプロットします。

数字;图（FPR，TPR）H = GCA;H.Xlim（1）= -0.1;h.ylim（2）= 1.1;Xlabel（'False positive rate'）ylabel(“真正的正率”） 标题（“ ROC曲线”）