サポートベクターマシン回帰

回帰モデル用のサポートベクターマシン

低~中次元のデータセットで精度を向上させるには,fitrsvmを使用してサポートベクターマシン(SVM)モデルに学習をさせます。

高次元データセットの計算時間を短縮するには,fitrlinearを使用して線形SVMモデルなどの線形回帰モデルに効率的に学習をさせます。

アプリ

教師あり機械学習を使用して,データを予測するように回帰モデルに学習をさせる

サポートベクターマシン(SVM)回帰モデルの使用による応答の予測

`fitrsvm`	サポートベクターマシン回帰モデルの近似
`预测`	サポートベクターマシン回帰モデルの使用による応答の予測

`fitrlinear`	高次元データに対する線形回帰モデルのあてはめ
`预测`	線形回帰モデルの応答予測

`fitrkernel`	ランダムな特徴量拡張を使用してガウスカーネル回帰モデルをあてはめる
`损失`	ガウスカーネル回帰モデルの回帰損失
`预测`	ガウスカーネル回帰モデルの応答を予測
`的简历`	ガウスカーネル回帰モデルの学習の再開

crossval 交差検証済みのサポートベクターマシン回帰モデル

`partialDependence`	部分従属の計算
`plotPartialDependence`	部分依存プロット(PDP)および個別条件付き期待値(ICE)プロットの作成
`石灰`	本地可解释模型不可知解释(LIME)
`沙普利`	シャープレイ値

`RegressionSVM`	サポートベクターマシン回帰モデル
`CompactRegressionSVM`	コンパクトなサポートベクターマシン回帰モデル

`RegressionLinear`	高次元データ用の線形回帰モデル
`RegressionPartitionedLinear`	高次元データ用の交差検証済み線形回帰モデル

`RegressionKernel`	ランダムな特徴量拡張を使用したガウスカーネル回帰モデル
`RegressionPartitionedKernel`	回帰用の交差検証済みカーネルモデル

回帰学習器アプリを使用してサポートベクターマシン(SVM)回帰モデルの学習を行い,RegressionSVM预测ブロックを応答予測に使用する。

線形および非線形SVM回帰問題の数学的定式化およびソルバーのアルゴリズムについて理解します。