fitPosterior
サポ,トベクタ,マシン(svm)分類器の事後確率の当てはめ
構文
説明
は2クラス学習で使用するスコアから事後確率への最適な変換関数が格納された,学習済みのサポートベクターマシン(SVM)分類器ScoreSVMModel
= fitPosterior (SVMModel
)ScoreSVMModel
を返します。詳細は,アルゴリズムを参照してください。
[
は,スコアから事後確率への最適な変換関数のパラメ,タ,をさらに返します。ScoreSVMModel
,ScoreTransform
= fitPosterior(SVMModel
)
[
は,1以上の名前と値のペアの引数によって指定された追加オプションを使用します。たとえば,分割数やホ,ルドアウト標本比率を指定できます。ScoreSVMModel
,ScoreTransform
= fitPosterior(SVMModel
,名称,值
)
例
入力引数
出力引数
詳細
ヒント
以下は,陽性クラスの事後確率を予測する方法の1です。
デタを
fitcsvm
に渡し,svm分類器を学習させます。この結果,SVMModel
などの学習済みSVM分類器が生成され,デ,タが格納されます。スコア変換関数プロパティ(SVMModel。ScoreTransformation
)が没有一个
に設定されます。学習させた支持向量机分類器
SVMModel
をfitSVMPosterior
またはfitPosterior
に渡します。結果(たとえばScoreSVMModel
)はSVMModel
と同じ学習済みSVM分類器ですが,最適なスコア変換関数がScoreSVMModel。ScoreTransformation
として設定される点が異なります。最適なスコア変換関数が格納されている学習済み支持向量机分類器(
ScoreSVMModel
)と予測子デ,タ行列を预测
に渡します。预测
の2番目の出力引数の2列目には,予測子データ行列の各行に対応する陽性クラスの事後確率が格納されます。手順2を省略した場合,
预测
は陽性のクラスの事後確率ではなく,陽性のクラスのスコアを返します。
事後確率を当てはめた後で,新しいデタにいてラベルを予測するc / c++コドを生成できます。C/ c++コ,ドの生成には<年代pan>MATLAB<年代up>®编码器™が必要です。詳細については、コ,ド生成の紹介を参照してください。
アルゴリズム
[1]で説明されているように,svm分類器SVMModel
を使用し,保存されている予測子デ,タ(SVMModel。X
)およびクラスラベル(SVMModel。Y
)によって10分割交差検証を実行することにより,スコアから事後確率への適切な変換関数が当てはめられます。この変換関数は、観測値が陽性のクラス(SVMModel.Classnames (2)
)に分類される事後確率を計算します。
スコアから事後確率への変換関数を再度推定した場合,化学式まり,ScoreTransform
プロパティが没有一个
ではない支持向量机分類器をfitPosterior
またはfitSVMPosterior
に渡した場合は,以下の処理が実行されます。
警告が表示されます。
新しい変換関数を推定する前に,元の変換関数が
“没有”
にリセットされます。
代替機能
事後確率関数は,関数fitSVMPosterior
を使用して当てはめることもできます。この関数はfitPosterior
に似ていますが,使用できるSVM分類器の種類が多いので広範囲であるという点が異なります。
参照
[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大裕度分类器的研究进展。马萨诸塞州剑桥:麻省理工学院出版社,2000年,第61-74页。
拡張機能
バ,ジョン履歴
R2014aで導入
参考
ClassificationSVM
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">预测
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitSVMPosterior
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm