このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
事後確率の近似
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SVM(サポートベクターマシン)分類器ScoreSVMModel
= fitSVMPosterior (SVMModel
)ScoreSVMModel
を返します。
スコアから事後確率への変換関数は,支持向量机分類器SVMModel
を使用して近似されます。また,保存されている予測子データ(SVMModel。X
)とクラスラベル(SVMModel。Y
)を使用して交差検証が実行されます。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。
クラスが不可分な場合,変換関数はシグモイド関数です。
クラスが完全に可分な場合,変換関数はステップ関数です。
2クラス学習では,クラスの一方の相対的頻度が0の場合,変換関数は定数関数です。fitSVMPosterior
は1クラス学習には適していません。
SVMModel
がClassificationSVM
分類器である場合,最適な変換関数は10分割交差検証を使用して推定されます([1]を参照してください)。それ以外の場合,SVMModel
はClassificationPartitionedModel
分類器でなければなりません。SVMModel
は交差検証の方法を指定します。
最適な変換関数がScoreSVMModel。ScoreTransform
に格納されます。
は,学習済みのコンパクトなSVM分類器ScoreSVMModel
= fitSVMPosterior (SVMModel
,资源描述
,ResponseVarName
)SVMModel
から,変換関数が含まれている学習済みのサポートベクター分類器を返します。スコア変換関数は,テーブル资源描述
内の予測子データとクラスラベル资源描述。ResponseVarName
を使用して推定されます。
は,学習済みのコンパクトなSVM分類器ScoreSVMModel
= fitSVMPosterior (SVMModel
,资源描述
,Y
)SVMModel
から,変換関数が含まれている学習済みのサポートベクター分類器を返します。スコア変換関数は,テーブル资源描述
内の予測子データとクラスラベルY
を使用して推定されます。
は,学習済みのコンパクトなSVM分類器ScoreSVMModel
= fitSVMPosterior (SVMModel
,X
,Y
)SVMModel
から,変換関数が含まれている学習済みのサポートベクター分類器を返します。予測子データX
とクラスラベルY
を使用してスコア変換関数が推定されます。
SVMModel
がClassificationSVM
分類器である場合,<年代pan id="d123e385349" itemprop="syntax">
は1つ以上のScoreSVMModel
= fitSVMPosterior (<年代pan class="argument_placeholder">___,名称,值
)名称,值
ペアの引数で指定された追加オプションを使用します。たとえばk分割交差検証で使用する分割の数を指定できます。
さらに,<年代pan id="d123e385374" itemprop="syntax">[
は,上記の構文の入力引数のいずれかを使用して,変換関数のパラメーター(ScoreSVMModel
,ScoreTransform
) = fitSVMPosterior (<年代pan class="argument_placeholder">___)ScoreTransform
)を返します。
以下は,陽性クラスの事後確率を予測する方法の1つです。
データをfitcsvm
に渡し,支持向量机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,データが格納されます。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SVM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SVM分類器(ScoreSVMModel
)と予測子データ行列を预测
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。
事後確率をあてはめた後で,新しいデータについてラベルを予測するC / c++コードを生成できます。C / c++コードの生成には<年代pan>MATLAB<年代up>®编码器™が必要です。詳細については、コード生成の紹介を参照してください。
スコアから事後確率への変換関数を再度推定した場合,つまり,ScoreTransform
プロパティが没有一个
ではないSVM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。
[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在:大边距分类器的进步。麻省理工学院出版社,2000年,61-74页。
ClassificationSVM
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">CompactClassificationSVM
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">ClassificationPartitionedModel
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitcsvm
|<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">fitPosterior
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">fitPosterior
|<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">kfoldPredict