2026a
# fitckernel
使用随机特征展开拟合高斯核分类模型
函数库: TyMachineLearning
# 语法
Mdl = fitckernel(X,Y)
# 说明
Mdl = fitckernel(X，Y) 返回一个紧凑的高斯核分类模型，该模型使用 X 中的预测变量数据和 Y 中的相应响应进行训练。
# 示例
训练高斯核分类模型
加载鸢尾花数据集。
using TyMachineLearning
using CSV
using DataFrames
fgdata_x, fgdata_y1 = get_irsdata()
使用数据集训练高斯核分类模型。
ckel = fitckernel(fgdata_x, fgdata_y1)
PyObject SVC()
# 输入参数
X - 预测数据矩阵、数组
预测数据，指定为矩阵。X 的每一行对应一个观测值，每一列对应一个预测变量。
数据类型: Matrix | Array
Y - 类标签向量、数组
类标签，指定为数字向量、分类向量、逻辑向量、字符数组、字符串数组或字符向量的单元数组。Y 的每一行表示 X 的对应行的分类。
数据类型: Vector | Array
# 输出参数
Mdl - 输出值高斯核分类模型对象
高斯核分类模型，作为高斯核分类模型对象返回。