为了在中低维数据集上获得更高的精度和核函数选择,使用分类学习者为了获得更大的灵活性,使用命令行界面来训练二进制SVM模型使用fitcsvm
或者使用fitcecoc
.
为了减少对高维数据集的计算时间,使用fitclinear
或者训练一个由支持向量机模型组成的多类ECOC模型fitcecoc
.
对于大数据的非线性分类,使用fitckernel
.
分类学习者 | 使用有监督的机器学习训练模型来分类数据 |
分类 | 使用支持向量机(SVM)分类器对观测值进行一类和二类分类金宝app |
创建并比较支持向量机(SVM)分类器,金宝app并导出经过训练的模型以对新数据进行预测。
使用分离超平面和核变换通过SVM执行二值分类。
此示例显示如何在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)