Support-Vektormaschinen-Regression
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 Learner | Train regression models to predict data using supervised machine learning |
Blöcke
| RegressionSVM Predict | Predict responses using support vector machine (SVM) regression model |
| RegressionLinear Predict | Predict responses using linear regression model (Seit R2023a) |
| RegressionKernel Predict | Predict responses using Gaussian kernel regression model (Seit R2024b) |
| IncrementalRegressionLinear Predict | Predict responses using incremental linear regression model (Seit R2023b) |
| IncrementalRegressionLinear Fit | Fit incremental linear regression model (Seit R2023b) |
| IncrementalRegressionKernel Fit | Fit incremental kernel regression model (Seit R2024b) |
| IncrementalRegressionKernel Predict | Predict responses using incremental kernel regression model (Seit R2024b) |
| Update Metrics | Update performance metrics in incremental learning model given new data (Seit R2023b) |
| Detect Drift | Update drift detector states and drift status with new data (Seit R2024b) |
Funktionen
Objekte
Themen
- Understanding Support Vector Machine Regression
Understand the mathematical formulation of linear and nonlinear SVM regression problems and solver algorithms.
- Predict Responses Using RegressionSVM Predict Block
Train a support vector machine (SVM) regression model using the Regression Learner app, and then use the RegressionSVM Predict block for response prediction.
- Predict Responses Using RegressionLinear Predict Block
This example shows how to use the RegressionLinear Predict block for response prediction in Simulink®. (Seit R2023a)