如何在 svm 中使用 QP=Quadratic Programming
how to use QP=Quadratic Programming in svm
我正在使用 svm 进行异常检测，如下所示
svmStruct = svmtrain(tr,label,'kernel_function','rbf','ShowPlot',true);
ok1 = svmclassify(svmStruct,test1,'ShowPlot',true);
默认的分离超平面方法是 SMO，但我想使用 QP，即二次规划。如何在上面的代码中使用它。
您可以将 svmtrain 的 'method' 属性 设置为 'QP' 在 documentation of svmtrain
中说明
svmStruct = svmtrain(tr,label,'kernel_function','rbf','ShowPlot',true,'method','QP');
文档部分：
'QP' — Quadratic programming (requires an Optimization Toolbox™ license). The classifier is a 2-norm soft-margin support vector machine. Give quadratic programming options with the options name-value pair, and create options with optimset.
svmtrain 将在未来的 Matlab 版本中删除，因此如果您计划在未来使用它，请考虑使用 fitcsvm.
我正在使用 svm 进行异常检测，如下所示
svmStruct = svmtrain(tr,label,'kernel_function','rbf','ShowPlot',true);
ok1 = svmclassify(svmStruct,test1,'ShowPlot',true);
默认的分离超平面方法是 SMO，但我想使用 QP，即二次规划。如何在上面的代码中使用它。
您可以将 svmtrain 的 'method' 属性 设置为 'QP' 在 documentation of svmtrain
svmStruct = svmtrain(tr,label,'kernel_function','rbf','ShowPlot',true,'method','QP');
文档部分：
'QP' — Quadratic programming (requires an Optimization Toolbox™ license). The classifier is a 2-norm soft-margin support vector machine. Give quadratic programming options with the options name-value pair, and create options with optimset.
svmtrain 将在未来的 Matlab 版本中删除，因此如果您计划在未来使用它，请考虑使用 fitcsvm.