MATLAB fitcSVM 权重向量答案

【问题标题】：MATLAB fitcSVM weight vectorMATLAB fitcSVM 权重向量
【发布时间】：2018-12-15 04:41:37
【问题描述】：

我正在 MATLAB 中使用 fitcsvm 函数训练线性 SVM 分类器：

     cvFolds = crossvalind('Kfold', labels, nrFolds);

          for i = 1:nrFolds                       % iterate through each fold

              testIdx = (cvFolds == i);            % indices of test instances
              trainIdx = ~testIdx;                 % indices training instances

              cl = fitcsvm(features(trainIdx,:), 
              labels(trainIdx),'KernelFunction',kernel,'Standardize',true,...
             'BoxConstraint',C,'ClassNames',[0,1], 'Solver', solver);

              [labelPred,scores] =  predict(cl, features(testIdx,:));
              eq = sum(labelPred==labels(testIdx));
              accuracy(i) = eq/numel(labels(testIdx));

          end

从这部分代码可以看出，经过训练的 SVM 模型存储在 cl 中。检查 cl 中的模型参数我看不到哪些参数对应于分类器权重 - 即。线性分类器的参数，反映每个特征的重要性。 哪个参数代表分类权重？我在MATLAB documentation 中看到“向量 β 包含定义与超平面正交向量的系数”——因此 cl.beta 代表分类权重吗？ p>

【问题讨论】：

标签： matlab machine-learning classification svm pattern-recognition

【解决方案1】：

正如你在这个documentation 中看到的，hyperplane 在fitcsvm 中的等式是

                                 f(x)=x′β+b=0

如你所知，这个等式显示以下关系：

                                 f(x)=w*x+b=0 or f(x)=x*w+b=0

因此，β 等于 w（权重）。

【讨论】：