discard金宝appSupportVectors
线性支持向量机分金宝app类器的支持向量弃用
描述
返回经过训练的线性支持向量机模型金宝appMdl
= discard金宝appSupportVectors (MdlSV
)Mdl
.这两个Mdl
以及训练好的线性支持向量机模型MdlSV
是相同类型的对象。也就是说,它们都是ClassificationSVM
对象或CompactClassificationSVM
对象。然而,Mdl
而且MdlSV
在以下方面有所不同:
的
α
,金宝appSupportVectors
,金宝appSupportVectorLabels
属性为空([]
)Mdl
.如果你显示
Mdl
,软件列出β
属性而不是α
.
例子
输入参数
提示
对于训练好的线性SVM模型
金宝appSupportVectors
属性是一个nsv——- - - - - -p矩阵。nsv支持向量的数量(最多为训练样本量)金宝app和p是预测器或特征的数量。的α
而且金宝appSupportVectorLabels
属性是向量nsv元素。对于包含许多观察结果或示例的复杂数据集,这些属性可能很大。的β
属性是带有的向量p元素。如果训练的SVM模型有很多支持向量,使用金宝app
discard金宝appSupportVectors
以减少经过训练的线性SVM模型所消耗的空间量。您可以通过输入显示支持向量矩阵的大小金宝app大小(MdlSV.Su金宝apppportVectors)
.
算法
预测
而且resubPredict
估计支持向量机得分f(x),然后标记和估计后验概率使用
β是Mdl。β
而且b是Mdl。偏见
,即β
而且偏见
的属性Mdl
,分别。详情请参见金宝app二元分类的支持向量机.
扩展功能
版本历史
在R2015a中引入