训练支持向量金宝app机使用分类学习者应用MATLAB和Simulink MathWorks比利时、荷兰、卢森堡金宝appgydF4y2Ba

使用分类学习金宝app者应用训练支持向量机gydF4y2Ba

这个例子展示了如何构建支持向量机(SVM)分类器在分类学习者应用,使用金宝appgydF4y2Ba电离层gydF4y2Ba数据集,其中包含两个类。您可以使用一个支持向量机(S金宝appVM)与两个或两个以上的课程分类学习者。一个支持向量机分类的数据通过寻找最好的超平面,将所有数据点与另一个类一个类。在gydF4y2Ba电离层gydF4y2Ba分类数据,响应变量和两个级别:gydF4y2BaggydF4y2Ba代表好的雷达返回,gydF4y2BabgydF4y2Ba代表坏雷达返回。gydF4y2Ba

在MATLABgydF4y2Ba^®gydF4y2Ba,加载gydF4y2Ba电离层gydF4y2Ba数据集和定义一些变量数据集使用的一个分类。gydF4y2Ba
```
负载gydF4y2Ba电离层gydF4y2Ba电离层= array2table (X);电离层。组= Y;gydF4y2Ba
```
或者,您可以加载gydF4y2Ba电离层gydF4y2Ba数据集和保持gydF4y2BaXgydF4y2Ba和gydF4y2BaYgydF4y2Ba数据作为独立的变量。gydF4y2Ba
在gydF4y2Ba应用程序gydF4y2Ba选项卡,gydF4y2Ba机器学习和深度的学习gydF4y2Ba组中,单击gydF4y2Ba分类学习者gydF4y2Ba。gydF4y2Ba
在gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba文件gydF4y2Ba部分中,点击gydF4y2Ba新会话>从工作区gydF4y2Ba。gydF4y2Ba

新会话从工作区对话框中,选择表gydF4y2Ba电离层gydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。观察到这个应用程序已经选择反应和预测变量根据其数据类型。响应变量gydF4y2Ba集团gydF4y2Ba有两个水平。所有其他变量预测。gydF4y2Ba
另外,如果你保持你的预测数据gydF4y2BaXgydF4y2Ba和响应变量gydF4y2BaYgydF4y2Ba作为两个独立的变量,您可以首先选择矩阵gydF4y2BaXgydF4y2Ba从gydF4y2Ba数据集变量gydF4y2Ba列表。然后,在gydF4y2Ba响应gydF4y2Ba,单击gydF4y2Ba从工作空间gydF4y2Ba选项按钮并选择gydF4y2BaYgydF4y2Ba从列表中。的gydF4y2BaYgydF4y2Ba变量是一样的gydF4y2Ba集团gydF4y2Ba变量。gydF4y2Ba
点击gydF4y2Ba开始会议gydF4y2Ba。gydF4y2Ba
数据的分类学习者创建了一个散点图。gydF4y2Ba
使用变量的散点图来可视化是有用的预测响应。选择不同的变量X和y轴的控制。观察变量单独类颜色最明显。gydF4y2Ba
创建一个支持向量机模型的选择,gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba模型类型gydF4y2Ba部分,单击向下箭头扩大的分类列表,和下gydF4y2Ba金宝app支持向量机gydF4y2Ba,点击gydF4y2Ba所有支持向量机gydF4y2Ba。gydF4y2Ba
然后单击gydF4y2Ba火车gydF4y2Ba。gydF4y2Ba

提示gydF4y2Ba

如果你有并行计算工具箱™,你可以训练所有的模型(gydF4y2Ba所有支持向量机gydF4y2Ba同时通过选择)gydF4y2Ba使用并行gydF4y2Ba按钮gydF4y2Ba培训gydF4y2Ba节之前点击gydF4y2Ba火车gydF4y2Ba。你点击后gydF4y2Ba火车gydF4y2Ba,开放平行池对话框打开,依然开放而应用程序打开一个平行的工人。在这段时间里,你不能与软件交互。池打开后,同时应用列车模型。gydF4y2Ba

分类学习者火车每个nonoptimizable SVM分类选项之一画廊,并强调最好的分数。应用程序概述了在一个盒子里gydF4y2Ba准确性(验证)gydF4y2Ba成绩最好的模型。分类学习者也会显示验证混淆矩阵第一SVM模型(gydF4y2Ba线性支持向量机gydF4y2Ba)。gydF4y2Ba

请注意gydF4y2Ba

验证了一些随机性的结果。你的模型验证结果可以从这个例子中所示的结果不同。gydF4y2Ba
为一个模型查看结果,选择模型gydF4y2Ba模型gydF4y2Ba面板,检查gydF4y2Ba当前模型的总结gydF4y2Ba窗格。的gydF4y2Ba当前模型的总结gydF4y2Ba窗格中显示gydF4y2Ba培训结果gydF4y2Ba指标,计算验证集。gydF4y2Ba
为选定的模型,检查每个类的预测的准确性。在gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba情节gydF4y2Ba部分,单击箭头打开画廊,然后单击gydF4y2Ba混淆矩阵(验证)gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。视图矩阵的类和类预测结果。gydF4y2Ba
选择其他模型gydF4y2Ba模型gydF4y2Ba窗格中,打开验证混淆矩阵的模型,然后比较结果。gydF4y2Ba
选择最好的模型(最好的成绩是在一个盒子里突出显示)。尝试改善模型,包括模型中不同的特性。看你是否能提高预测能力较低的模型通过删除功能。gydF4y2Ba
在gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba特性gydF4y2Ba部分中,点击gydF4y2Ba特征选择gydF4y2Ba。在特征选择对话框中,指定要删除的预测模型,并点击gydF4y2Ba好吧gydF4y2Ba。在gydF4y2Ba培训gydF4y2Ba部分中,点击gydF4y2Ba火车gydF4y2Ba培训新模式使用新的选项。比较结果的分类器gydF4y2Ba模型gydF4y2Ba窗格。gydF4y2Ba
调查特性包括或排除,使用平行坐标图。在gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba情节gydF4y2Ba部分,单击箭头打开画廊,并点击gydF4y2Ba平行坐标gydF4y2Ba在gydF4y2Ba验证结果gydF4y2Ba组。gydF4y2Ba
选择最好的模型gydF4y2Ba模型gydF4y2Ba窗格。试图进一步完善模型,尝试改变支持向量机设置。在gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba模型类型gydF4y2Ba部分中,点击gydF4y2Ba先进的gydF4y2Ba。在高级SVM选项对话框中,试着改变设置,然后单击gydF4y2Ba好吧gydF4y2Ba。训练新模式通过点击gydF4y2Ba火车gydF4y2Ba在gydF4y2Ba培训gydF4y2Ba部分。设置的信息,请参阅gydF4y2Ba金宝app支持向量机gydF4y2Ba。gydF4y2Ba
您可以导出一个完整或紧凑的训练模型的版本到工作区。在gydF4y2Ba分类学习者gydF4y2Ba选项卡,gydF4y2Ba出口gydF4y2Ba部分中,点击gydF4y2Ba出口模式gydF4y2Ba和选择gydF4y2Ba出口模式gydF4y2Ba或gydF4y2Ba出口紧凑的模型gydF4y2Ba。看到gydF4y2Ba出口分类模型来预测新数据gydF4y2Ba。gydF4y2Ba
检查代码训练分类器,点击gydF4y2Ba生成函数gydF4y2Ba。对支持向量机模型,参见gydF4y2Ba为预测生成C代码gydF4y2Ba。gydF4y2Ba

使用相同的工作流程评估和比较的其他分类器类型你可以训练分类学习者。gydF4y2Ba

尝试所有的nonoptimizable分类器模型预设可供你的数据集:gydF4y2Ba

点击最右边的箭头gydF4y2Ba模型类型gydF4y2Ba部分扩大分类器的列表。gydF4y2Ba
点击gydF4y2Ba所有gydF4y2Ba,然后单击gydF4y2Ba火车gydF4y2Ba。gydF4y2Ba

了解其他类型的分类器,请参阅gydF4y2Ba训练分类模型的分类学习者应用gydF4y2Ba。gydF4y2Ba

使用分类学习金宝app者应用训练支持向量机gydF4y2Ba

相关的话题gydF4y2Ba

统计和机器学习工具箱文档gydF4y2Ba

金宝app

掌握机器学习:一个循序渐进的指导与MATLABgydF4y2Ba