이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
저차원에서중간차원까지의데이터세트에대한정확도를높이고더폭넓은커널함수선택권을원한다면분류학습기앱을사용하여이진SVM모델이나SVM이진학습기를포함하는다중클래스오류수정출력코드(ECOC)모델을훈련시키십시오。명령줄인터페이스에서fitcsvm
을사용하여이진SVM모델을훈련시키거나fitcecoc
를사용하여이진SVM학습기로구성된다중클래스ECOC모델을훈련시키면유연성을높일수있습니다。
고차원데이터세트에대한계산시간을단축하려면fitclinear
를사용하여선형SVM모델과같은이진선형분류모델을효율적으로훈련시키거나fitcecoc
를사용하여SVM모델로구성된다중클래스ECOC모델을훈련시키십시오。
빅데이터에대해비선형분류를수행하는경우fitckernel
을사용하여이진가우스커널분류모델을훈련시키십시오。
분류학습기 | 머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기 |
ClassificationSVM预测 | 使用支持向量机(SVM)分类器对观测数据进行一类分类和二金宝app值分类 |
创建和比较支持向量机(SVM)分类器,金宝app并导出训练过的模型来对新数据进行预测。
분리초평면과커널변환을사용하여SVM을통해이진분류를수행합니다。
这个例子展示了如何在Simulink®中使用ClassificationSVM Predict块进行标签预测。金宝app
基于小波特征和支持向量机的信号分类金宝app(小波工具箱)
心音图数据的小波时间散射分类(小波工具箱)