丢弃的向量金宝app
丢弃支持向量金宝app
句法
mdlout = dostupp金宝apportVectors(MDL)
描述
返回训练有素的线性支持向量机(SVM)回归模型金宝appmdlout
= dostupp金宝apportvortvector(MDL
)mdlout
,类似于受过训练的线性SVM回归模型MDL
, 除了:
这
Α
和金宝app支持向量
属性为空([]
)。如果您显示
mdlout
,该软件列出了beta
属性而不是Α
财产。
输入参数
输出参数
例子
提示
对于训练有素的线性SVM回归模型,金宝app支持向量
财产是一个nSV-经过-p矩阵。nSV是支持向量的数量(最多最多是训练样金宝app本量)和p是预测变量的数量。如果任何预测因素是分类的,那么p包括说明所有分类预测指标级别所需的虚拟变量数量。这Α
财产是一个向量nSV元素。
这金宝app支持向量
和Α
对于包含许多观测值或示例的复杂数据集,属性可能很大。但是,那beta
财产是一个向量p元素,可能要小得多。您可以使用训练有素的SVM回归模型来预测响应值,即使您丢弃了支持向量,因为金宝app预测
和重新提高
方法使用beta
计算预测的响应。
如果训练有素的线性SVM回归模型具有许多支持向量,请使用金宝app丢弃的向量金宝app
为了减少训练训练的磁盘空间,线性SVM回归模型消耗了。您可以通过输入显示支持向量矩阵的大小金宝app尺寸(mdlin.su金宝apppportvectors)
。
算法
在哪里:
β是β值,存储为
mdl.beta
。β0是偏差值,存储为
mdl.bias
。X
是培训数据。s
是内核比例值,存储为MDL.KernelParameters.Scale
。
这样,软件可以使用mdl.beta
即使在丢弃支持向量之后进行预测。金宝app