fitSVMPosterior
合适的后验概率
语法
描述
返回ScoreSVMModel
= fitSVMPosterior (SVMModel
)ScoreSVMModel
,这是一种训练,支持向量机(SVM)分类器包金宝app含两级学习的最佳score-to-posterior-probability转换函数。
软件适合适当的score-to-posterior-probability变换函数使用支持向量机分类器SVMModel
使用存储的预测数据,通过交叉验证(SVMModel.X
)和类标签(SVMModel.Y
)。转换函数计算后验概率,一个观察是分为积极的类(SVMModel.Classnames (2)
)。
如果类是分不开的,那么转换函数乙状结肠函数。
类是完全分离的,转换函数阶跃函数。
在两种学习,如果其中一个两个类的相对频率为0,然后转换函数常数函数。
fitSVMPosterior
看到下面成了学习的是不合适的。如果
SVMModel
是一个ClassificationSVM
分类器,然后软件估计最优变换函数到10倍交叉验证中概述[1]。否则,SVMModel
必须是一个ClassificationPartitionedModel
分类器。SVMModel
指定了交叉验证方法。软件商店的最佳变换函数
ScoreSVMModel.ScoreTransform
。
包含转换函数返回一个训练支持向量分类金宝app器的训练,紧凑的SVM分类器ScoreSVMModel
= fitSVMPosterior (SVMModel
,资源描述
,ResponseVarName
)SVMModel
。软件估计分数转换函数使用预测数据表中资源描述
和类标签Tbl.ResponseVarName
。
包含转换函数返回一个训练支持向量分类金宝app器的训练,紧凑的SVM分类器ScoreSVMModel
= fitSVMPosterior (SVMModel
,资源描述
,Y
)SVMModel
。软件估计分数转换函数使用预测数据表中资源描述
和类标签Y
。
包含转换函数返回一个训练支持向量分类金宝app器的训练,紧凑的SVM分类器ScoreSVMModel
= fitSVMPosterior (SVMModel
,X
,Y
)SVMModel
。软件估计分数转换函数使用预测数据X
和类标签Y
。
,ScoreSVMModel
= fitSVMPosterior (<年代pan class="argument_placeholder">___名称,值
)使用指定的一个或多个额外的选项名称,值
对参数提供SVMModel
是一个ClassificationSVM
分类器。例如,您可以指定要使用的折叠k倍交叉验证。
(
)此外返回转换函数参数(ScoreSVMModel
,ScoreTransform
)= fitSVMPosterior (<年代pan class="argument_placeholder">___ScoreTransform
)使用任何输入参数在前面的语法。
例子
输入参数
输出参数
更多关于
提示
这个过程描述了一种方法来预测积极类的后验概率。
训练SVM分类器通过数据
fitcsvm
。结果是一个训练SVM分类器,例如SVMModel
,存储数据。软件设置分数转换函数属性(SVMModel.ScoreTransformation
)没有一个
。通过训练SVM分类器
SVMModel
来fitSVMPosterior
或fitPosterior
。比如,结果ScoreSVMModel
相同的训练SVM分类器SVMModel
,除了软件集ScoreSVMModel.ScoreTransformation
最优分数转换函数。通过预测数据矩阵和训练支持向量机分类器包含最优分数转换函数(
ScoreSVMModel
)预测
。第二列第二输出参数预测
商店的积极相应类的后验概率矩阵预测的每一行数据。如果你跳过步骤2
预测
返回的积极类分数而不是积极类的后验概率。
拟合后验概率之后,可以生成C / c++代码,预测新数据标签。需要生成C / c++代码<年代pan class="entity">MATLAB<年代up>®编码器™。有关详细信息,请参见介绍代码生成。
算法
如果你重新评估score-to-posterior-probability转换函数,也就是说,如果你通过SVM分类器fitPosterior
或fitSVMPosterior
和它的ScoreTransform
属性是不没有一个
,那么软件:
显示一个警告
重置最初的转换函数
“没有”
之前估计
引用
[1]普拉特,j .“概率输出支持向量机和比较正规化的可能性方法”。金宝app:先进的分类器。剑桥,麻州:麻省理工学院出版社,2000年,页61 - 74。
版本历史
介绍了R2014a
另请参阅
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