Matlab predict和svmclassify之间有什么区别？

我尝试了以下代码

data =  [27    9   0
    11.6723281  28.93422177 0
    25  9   0
    23  8   0
    5.896096039 23.97745722 1
    21  6   0
    21.16823369 5.292058423 0
    4.242640687 13.43502884 1
    22  6   0];
    Attributes = data(:,1:2);
    Classes = data(:,3);
    train = [1 3 4 5 6 7];
    test = [2 8 9];
    %%# Train
   SVMModel = fitcsvm(Classes(train),Attributes(train,:))
   classOrder = SVMModel.ClassNames
   sv = SVMModel.SupportVectors;
   figure
   gscatter(train(:,1),train(:,2),Classes)
   hold on
   plot(train(:,1),train(:,2),'ko','MarkerSize',10)
   legend('good','bad','Support Vector')
   hold off

我尝试了

predict

和

svmclassify

；但它返回一个错误。这两种功能的基本区别是什么

 [label,score] = predict(SVMModel,test);
 label           = svmclassify(SVMModel, test);

---

首先，在上面有一个很大的注释：

svmclassify

将在未来的版本中删除。你看，相反

MATLAB在函数命名方面有点模糊，因为有很多函数名为

predict

，使用不同的方案和算法。我想你会想用的。这将返回与

svmclassify

相同的结果，但我认为要么是在确定哪个

predict

MATLAB决定使用时出错，要么是

predict

的算法比不支持的

svmclassify

更新，因此可能会产生不同的输出

---

结论是，您应该使用最新的函数，以便能够在将来的版本中运行代码，并获得最新的算法。MATLAB将根据您输入的输入结构选择正确版本的

predict

。

“它返回一个错误”-然后按照文档建议的方式使用它，您将看到输出和差异，或者在这里不那么含糊此predict命令计算已识别模型的K步超前输出：使用支持向量机分类器结构中的信息对样本（数据矩阵）中的每一行数据进行分类。@Wolfie对于

predict

不一定为true。看看我的答案；有一堆又一堆名为

predict

的函数，所有这些函数都是基于您输入的任何输入系统来执行其他操作的。啊，我真是太懒了，只是复制了第一个文档结果，但可能比OP稍微懒一点，OP甚至没有这样做的证据；）很好的一个详细的答案。