我正在使用MATLAB中的fitcsvm函数来训练一个线性支持向量机分类器:
cvFolds = crossvalind('Kfold', labels, nrFolds);
for i = 1:nrFolds % iterate through each fold
testIdx = (cvFolds == i); % indices of test instances
trainIdx = ~testIdx; % indices training instances
cl = fitcsvm(features(trainIdx,:),
labels(trainIdx),'KernelFunction',kernel,'Standardize',true,...
'BoxConstraint',C,'ClassNames',[0,1], 'Solver', solver);
[labelPred,scores] = predict(cl, features(testIdx,:));
eq = sum(labelPred==labels(testIdx));
accuracy(i) = eq/numel(labels(testIdx));
end
可以从这段代码中看出,训练好的SVM模型存储在cl中。通过检查cl中的模型参数,我没有看到哪些参数对应于分类器权重 - 即线性分类器中反映每个特征重要性的参数。 哪个参数代表分类权重? 我在MATLAB文档中看到“向量β包含定义与超平面正交的向量的系数”,因此cl.beta是否代表分类权重?