Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

compact

Reduzca el tamaño del clasificador de la máquina de vectores de soporte (SVM)

Descripción

ejemplo

CompactSVMModel = compact(SVMModel) Devuelve un clasificador de máquina de vectores de soporte (SVM) compacto (), la versión compacta del clasificador de SVM entrenado. es un objeto.CompactSVMModelSVMModelCompactSVMModelCompactClassificationSVM

no contiene los datos de entrenamiento, mientras que contienen los datos de entrenamiento en sus propiedades y.CompactSVMModelSVMModelXY Por lo tanto, aunque puede predecir las etiquetas de clase utilizando, no puede realizar tareas como la validación cruzada con el clasificador Compact SVM.CompactSVMModel

Ejemplos

contraer todo

Reduzca el tamaño de un clasificador SVM completo eliminando los datos de entrenamiento. Los clasificadores SVM completos (es decir, clasificadores) tienen los datos de entrenamiento.ClassificationSVM Para mejorar la eficiencia, utilice un clasificador más pequeño.

Cargue el conjunto de datos.ionosphere

load ionosphere

Entrenar un clasificador SVM. Estandarice los Datos predictores y especifique el orden de las clases.

SVMModel = fitcsvm(X,Y,'Standardize',true,...     'ClassNames',{'b','g'})
SVMModel =    ClassificationSVM              ResponseName: 'Y'     CategoricalPredictors: []                ClassNames: {'b'  'g'}            ScoreTransform: 'none'           NumObservations: 351                     Alpha: [89x1 double]                      Bias: -0.1341          KernelParameters: [1x1 struct]                        Mu: [1x34 double]                     Sigma: [1x34 double]            BoxConstraints: [351x1 double]           ConvergenceInfo: [1x1 struct]           IsSupportVector: [351x1 logical]                    Solver: 'SMO'     Properties, Methods  

es un clasificador.SVMModelClassificationSVM

Reduzca el tamaño del clasificador SVM.

CompactSVMModel = compact(SVMModel)
CompactSVMModel =    classreg.learning.classif.CompactClassificationSVM              ResponseName: 'Y'     CategoricalPredictors: []                ClassNames: {'b'  'g'}            ScoreTransform: 'none'                     Alpha: [89x1 double]                      Bias: -0.1341          KernelParameters: [1x1 struct]                        Mu: [1x34 double]                     Sigma: [1x34 double]            SupportVectors: [89x34 double]       SupportVectorLabels: [89x1 double]     Properties, Methods  

es un clasificador.CompactSVMModelCompactClassificationSVM

Muestra la cantidad de memoria que utiliza cada clasificador.

whos('SVMModel','CompactSVMModel')
  Name                 Size             Bytes  Class                                                 Attributes    CompactSVMModel      1x1              30576  classreg.learning.classif.CompactClassificationSVM                 SVMModel             1x1             140906  ClassificationSVM                                                

El clasificador SVM completo () es más de cuatro veces más grande que el clasificador SVM compacto ().SVMModelCompactSVMModel

Para etiquetar las nuevas observaciones de forma eficaz, puede eliminarlas del área de trabajo de MATLAB® y, a continuación, pasar y nuevos valores predictores.SVMModelCompactSVMModelPredecir

Para reducir aún más el tamaño del clasificador compacto de SVM, utilice la función para descartar vectores de soporte.discardSupportVectors

Argumentos de entrada

contraer todo

Clasificador SVM completo y entrenado, especificado como un modelo entrenado con.ClassificationSVMfitcsvm

Introducido en R2014a