低～中次元のデータセットで精度を向上させカーネル関数を選択するには、分類学習器アプリを使用して、SVM バイナリ学習器が含まれているマルチクラス誤り訂正出力符号 (ECOC) モデルまたはバイナリ SVM モデルに学習をさせます。柔軟性を向上させるには、コマンドライン インターフェイスで fitcsvm を使用してバイナリ SVM モデルに学習をさせるか、fitcecoc を使用してバイナリ SVM 学習器から構成されるマルチクラス ECOC モデルに学習をさせます。

MATLAB^® ワークスペースに適合する高次元データセットの計算時間を短縮するには、fitclinear を使用して線形 SVM モデルなどのバイナリ線形分類モデルに効率的に学習をさせるか、fitcecoc を使用して SVM モデルから構成されるマルチクラス ECOC モデルに学習をさせます。

ビッグ データが含まれている非線形分類の場合は、fitckernel を使用してバイナリ ガウス カーネル分類モデルに学習をさせます。