Elaborado por:

Jess David Sandoval.

EJEMPLO DE INFERENCIA BAYESIANA PARA LA CLASIFICACINCODIGO Se utiliza un marco bayesiano para optimizar los parmetros de ajuste y para obtener la salida moderado. La regularizacin ptima gam parmetro y el parmetro sig2 kernel se puede encontrar mediante la optimizacin de los costos en el segundo y el tercer nivel de la inferencia, respectivamente.[Gam, sig2] = bay_initlssvm ({X, Y, tipo, gam, sig2, 'RBF_kernel'}); Optimizacin en el segundo nivel conduce a un parmetro ptimo regularizacin: [Modelo, gam_opt] = bay_optimize ({X, Y, tipo, gam, sig2, 'RBF_kernel'}, 2); Optimizacin en el tercer nivel conduce a un parmetro ptimo kernel: [Cost_L3, sig2_opt] = bay_optimize ({X, Y, tipo, gam_opt, sig2, 'RBF_kernel'}, 3); Las probables clases posteriores se encuentran mediante la incorporacin de la incertidumbre de los parmetros del modelo: Gam = 10; Sig2 = 1; Ymodout = bay_modoutClass ({X, Y, tipo, 10,1, 'RBF_kernel'}, 'figura'); Se puede especificar una clase de probabilidad previa en la salida moderada con el fin de compensar un nmero desequilibrado de puntos de datos de entrenamiento en las dos clases. Cuando el conjunto de entrenamiento contiene N + casos positivos y los negativos N-, la salida moderada se calcula como:

Np = 10; Nn = 50; Prior = Np / (Nn + Np); Posterior_class_P = bay_modoutClass({X,Y,type,10,1,RBF_kernel},figure, prior);

RESULTADOS.