"No valid system or dataset was specified" 在 MATLAB 中使用 predict()
"No valid system or dataset was specified" while using predict() in MATLAB
我正在尝试使用 SVM 将我的输入特征分为两个 类。我想使用 10 折交叉验证来训练 SVM 分类器。我正在使用 MATLAB 内置函数。但是在使用 predict() 函数和 crossval() 函数时，出现错误：
No valid system or dataset was specified.
有谁知道如何解决这个问题？
Training_Features = X;
Training_Labels = Y;
SVMModel =
fitcsvm(Training_Features,Training_Labels,'KernelFunction','RBF');
CVSVMModel = crossval(SVMModel);
[Predict_Labels,Predict_Scores] =
predict(CVSVMModel,Training_Features);
我认为您对交叉验证功能的理解有误。您的 CVSVMModel 是所谓的 ClassificationPartitionedModel，它没有任何功能 predict()，因为交叉验证用于在使用整个数据集（未交叉验证）训练模型之前测试模型的泛化.
我建议如下：
- 调用
[Predict_Labels,Predict_Scores] = kfoldPredict(CVSVMModel); 以查看它在交叉验证期间对每个验证数据集的表现如何
- 如果您满意，请使用整个数据集训练新的
SVMModel 并使用该数据集进行预测。
编辑：
ClassificationPartitionedModel 是模型的集合（在您的例子中是 10 个不同的模型）。您可以通过以下方式访问甚至调用 predict()：
[Predict_Labels,Predict_Scores] = predict(CVSVMModel.Trained{1, 1},X);
我正在尝试使用 SVM 将我的输入特征分为两个 类。我想使用 10 折交叉验证来训练 SVM 分类器。我正在使用 MATLAB 内置函数。但是在使用 predict() 函数和 crossval() 函数时，出现错误：
No valid system or dataset was specified.
有谁知道如何解决这个问题？
Training_Features = X;
Training_Labels = Y;
SVMModel =
fitcsvm(Training_Features,Training_Labels,'KernelFunction','RBF');
CVSVMModel = crossval(SVMModel);
[Predict_Labels,Predict_Scores] =
predict(CVSVMModel,Training_Features);
我认为您对交叉验证功能的理解有误。您的 CVSVMModel 是所谓的 ClassificationPartitionedModel，它没有任何功能 predict()，因为交叉验证用于在使用整个数据集（未交叉验证）训练模型之前测试模型的泛化.
我建议如下：
- 调用
[Predict_Labels,Predict_Scores] = kfoldPredict(CVSVMModel);以查看它在交叉验证期间对每个验证数据集的表现如何 - 如果您满意，请使用整个数据集训练新的
SVMModel并使用该数据集进行预测。
编辑：
ClassificationPartitionedModel 是模型的集合（在您的例子中是 10 个不同的模型）。您可以通过以下方式访问甚至调用 predict()：
[Predict_Labels,Predict_Scores] = predict(CVSVMModel.Trained{1, 1},X);