Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Support-Vektormaschinen-Regression

R2026a
Support-Vektormaschinen für Regressionsmodelle

Um eine höhere Präzision bei nieder- bis mitteldimensionalen Datensätzen zu erreichen, können Sie mithilfe von fitrsvm ein Support-Vektormaschinenmodell (SVM) trainieren.

Für eine reduzierte Berechnungszeit bei höherdimensionalen Datensätzen können Sie mithilfe von fitrlinear ein lineares Regressionsmodell wie ein lineares SVM-Modell effizient trainieren.

Apps

Regression LearnerTrain regression models to predict data using supervised machine learning

Blöcke

RegressionSVM Predict Block IconRegressionSVM PredictPredict responses using support vector machine (SVM) regression model
RegressionLinear Predict Block IconRegressionLinear PredictPredict responses using linear regression model (Seit R2023a)
RegressionKernel Predict Block IconRegressionKernel Predict Predict responses using Gaussian kernel regression model (Seit R2024b)
IncrementalRegressionLinear Predict Block IconIncrementalRegressionLinear PredictPredict responses using incremental linear regression model (Seit R2023b)
IncrementalRegressionLinear Fit Block IconIncrementalRegressionLinear FitFit incremental linear regression model (Seit R2023b)
IncrementalRegressionKernel Fit Block IconIncrementalRegressionKernel FitFit incremental kernel regression model (Seit R2024b)
IncrementalRegressionKernel Predict Block IconIncrementalRegressionKernel PredictPredict responses using incremental kernel regression model (Seit R2024b)
Update Metrics Block IconUpdate MetricsUpdate performance metrics in incremental learning model given new data (Seit R2023b)
Detect Drift Block IconDetect DriftUpdate drift detector states and drift status with new data (Seit R2024b)

Funktionen

alle erweitern

fitrsvmFit a support vector machine regression model
predictPredict responses using support vector machine regression model
fitrlinearFit linear regression model to high-dimensional data
predictPredict response of linear regression model
fitrkernelFit Gaussian kernel regression model using random feature expansion
predictPredict responses for Gaussian kernel regression model
crossvalCross-validate machine learning model
limeLocal interpretable model-agnostic explanations (LIME)
partialDependenceCompute partial dependence
permutationImportancePredictor importance by permutation (Seit R2024a)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values
fitrchainsMultiresponse regression with regression chains (Seit R2024b)
predictPredict responses using multiresponse regression model (Seit R2024b)

Objekte

alle erweitern

RegressionSVMSupport vector machine regression model
CompactRegressionSVMCompact support vector machine regression model
RegressionLinearLinear regression model for high-dimensional data
RegressionPartitionedLinearCross-validated linear regression model for high-dimensional data
RegressionKernelGaussian kernel regression model using random feature expansion
RegressionPartitionedKernelCross-validated kernel model for regression
RegressionChainEnsembleMultiresponse regression model (Seit R2024b)
CompactRegressionChainEnsembleCompact multiresponse regression model (Seit R2024b)

Themen