本页对应的英文页面已更新,但尚未翻译。 若要查看最新内容,请点击此处访问英文页面。
为了提高在中低维数据集上的准确度并增加核函数选择,可以使用 Classification Learner App 训练二类 SVM 模型,或包含 SVM 二类学习器的多类纠错输出编码 (ECOC) 模型。为了获得更大的灵活性,可以在命令行界面中使用 fitcsvm
训练二类 SVM 模型,或者使用 fitcecoc
训练由二类 SVM 学习器组成的多类 ECOC 模型。
为了减少在高维数据集上的计算时间,可以使用 fitclinear
高效地训练二类线性分类模型(例如线性 SVM 模型),或者使用 fitcecoc
训练由 SVM 模型组成的多类 ECOC 模型。
对于大数据的非线性分类,可以使用 fitckernel
训练二类高斯核分类模型。
Classification Learner | 使用有监督的机器学习训练模型以对数据进行分类 |
Train Support Vector Machines Using Classification Learner App
Create and compare support vector machine (SVM) classifiers, and export trained models to make predictions for new data.
使用分离超平面和核变换通过 SVM 执行二类分类。