文件名称：线性分类的几何高斯核增强误差估计：这是线性SVM分类的增强误差估计算法的快速实现。-matlab开发
文件大小：5KB
文件格式：ZIP
更新时间：2024-06-19 09:05:12
matlab
分类和特征选择技术是分析和解释生物数据最常用的数学方法之一。 分类的最终目标是根据可用数据设计一个分类器，该分类器能够正确分配新案例的类成员资格。 根据数据的性质，分类器可能无法正确分配新对象的成员资格，从而导致分类错误。 最流行的错误估计技术（重新替换、引导、交叉验证）在性能上差异很大，这是根据错误估计的准确性和计算速度来定义的。 最近，已经提出了一种新的支持误差估计技术，它可以最佳地结合速度和准确性 [1]。 对于一般情况，它使用基于蒙特卡罗采样的算法进行分类，但对于线性分类的情况，可以应用解析解[1,2]。 这是基于 N 维球冠体积计算的支持误差估计的几何方法 [公式在 3 中给出]。 几何支持误差估计算法是非常快速的误差估计技术，其特点是精度与 LOO 相当并且具有较低的方差。 这些算法对于分析极其大量的特征非常有用，并且可以在组学数据分析的广泛领域中找到它们的应用。 参考：
【文件预览】：
geo_bolster.zip