“预测”的输出函数的支持向量机的实现将是一个向量的大小N,其中N是例子的数量你正试图得到预测。这个向量的数量对应于每个例子class-separating超平面的距离。为了对分这些值,以便每个是一个二元对应类会员,您需要使用一个预测阈值。任何数量大于或等于阈值将预测积极类的一部分,任何数量小于阈值将预测是负类的一部分。支持向量机算法的定义将确保预测阈值为0的训练数据(即最优阈值。,它产量最高的分类精度)。然而,对于推广独立数据集,您可能需要调整预测阈值,看看你选择的性能指标(如精度、精度或召回)的影响。我建议写一个简单的函数,它接受数据和预测阈值和输出性能指标。你可以尝试不同的阈值,在一个循环的范围从最小到最大输出值:
linspace (min(输出)、马克斯(输出),10)
