![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 94
基于matlab机器学习工具箱介绍机器基础应用
想自律的皮卡丘
https://zhangyu-9527.github.io/
展开
-
支持向量机回归fitrsvm函数应用
与传统的回归方法不同,SVR的目标是找到一个在高维特征空间中最好地拟合数据的超平面。这个超平面可以用一个线性方程wx + b = 0来表示,其中w是法向量,b是位移项,x是样本点的特征向量。首先选择需要回归数据集,这是进行回归模型构建的基础,其次选择需要的核函数,以及是否交叉验证,是否选择超参数等等,后利用fitrsvm进行训练,以及参数选择。总体来说,SVR是一种强大的预测性工具,它可在各种复杂的数据集上实现高精度的预测,并在许多实际应用中取得了良好的效果。% 使用点表示法显示Mdl的属性。原创 2024-08-05 14:46:52 · 851 阅读 · 0 评论 -
支持向量机分类应用——fitcsvm函数
模型训练方式TblYTblTbl。原创 2024-08-02 17:39:17 · 380 阅读 · 0 评论