Я пытаюсь использовать набор инструментов классификации MATLAB R2015a для моих 4 классов. Я импортировал свой набор данных и выбрал гауссовское ядро для обучения моего классификатора. Это мой набор данных:SVM multiclassification с MATLAB R2015a
my Data=[9.36 0;8.72 0;9.13 0;7.38 0;8.02 0;12.15 1;11.02 1;11.61 1;
12.31 1;15.23 1;52.92 2;54.49 2;48.82 2;52.00 2;49.79 2;22.46 3;30.38 3;
21.98 3;24.46 3;26.08 3];
Затем я экспортировать его в мое рабочее пространство, чтобы использовать его с моими новыми тестовыми данными, но когда я хочу, чтобы использовать его в рабочем пространстве эта ошибка apears:
Переменные имеют были созданы в базовом рабочем пространстве.
Чтобы использовать экспортированный классификатор
trainedClassifier
делать прогнозы по новым данным, T, используйте
yfit = predict(trainedClassifier, T{:,trainedClassifier.PredictorNames})
Если новые данные содержит любые целочисленные переменные, то предобработки данных, удваивается, как это:
X = table2array(varfun(@double, T(:,trainedClassifier.PredictorNames)));
yfit = predict(trainedClassifier, X)
Я не понимаю, что это значит и что такое T
и yfit
? Как я могу проверить свои новые данные с помощью этого классификатора?
Не могли бы вы добавить свой код относительно того, как вы тренируете СВМ? – Adriaan
i didn, t right any code.matlab 2015a имеет какое-то приложение для классификации. Вы можете выбрать свой тип классификации, чтобы я выбрал gausian kernel svm.then, вы должны импортировать свои данные, которые вы прямо в рабочем пространстве раньше. Тогда у него есть поезд кнопка для обучения и создания классификатора. Когда вы создадите этот классификатор, вы можете легко экспортировать его на рабочее место и использовать его для новых данных. Это приложение и доцент имеют любую запись кода. –
Я знаю, что вы должны использовать 'templateSVM',' fitcecoc' и 'pred'. Если вы действительно показываете код, который создает встроенный графический интерфейс, мы можем видеть, что вы в него входите, и попытаться выяснить, что не так. – Adriaan