预测和 svmclassify 有什么区别？

Question

我尝试了以下代码

data =  [27    9   0
    11.6723281  28.93422177 0
    25  9   0
    23  8   0
    5.896096039 23.97745722 1
    21  6   0
    21.16823369 5.292058423 0
    4.242640687 13.43502884 1
    22  6   0];
    Attributes = data(:,1:2);
    Classes = data(:,3);
    train = [1 3 4 5 6 7];
    test = [2 8 9];
    %%# Train
   SVMModel = fitcsvm(Classes(train),Attributes(train,:))
   classOrder = SVMModel.ClassNames
   sv = SVMModel.SupportVectors;
   figure
   gscatter(train(:,1),train(:,2),Classes)
   hold on
   plot(train(:,1),train(:,2),'ko','MarkerSize',10)
   legend('good','bad','Support Vector')
   hold off

predict和svmclassify我都试过了；但它 returns 一个错误。这两个函数的基本区别是什么？

 [label,score] = predict(SVMModel,test);
 label           = svmclassify(SVMModel, test);

Answer 1

首先，documentation page on svmclassify上面有一个很大的注释：

svmclassify will be removed in a future release. See fitcsvm, ClassificationSVM, and CompactClassificationSVM instead.

MATLAB 在函数命名方面有点模糊，因为有大量函数使用不同的方案和算法命名为 predict。我怀疑您会想要使用 the one for SVMs。这应该 return 与 svmclassify 相同的结果，但我认为在确定 predict MATLAB 决定使用哪个时出现问题，或者predict 的算法比不受支持的 svmclassify 更新，因此可能会产生不同的输出。

结论是您应该使用最新的函数，以便能够运行您的代码在未来的版本中获得最新的算法。 MATLAB 将根据您输入的输入结构选择正确的 predict 版本。

预测和 svmclassify 有什么区别？

What is the difference between predict and svmclassify?

matlab

classification

svm