Примите решение между различными алгоритмами обучить и подтвердить модели классификации для проблем мультикласса или двоичного файла. После учебных многоуровневых моделей сравните их ошибки валидации бок о бок, и затем выберите лучшую модель. Чтобы помочь вам решить который алгоритм использовать, см. Модели Классификации Train в Приложении Classification Learner.
| Classification Learner | Обучите модели классифицировать данные с помощью машинного обучения с учителем |
Обучите модели классификации в приложении Classification Learner
Рабочий процесс для обучения, выдерживая сравнение и улучшая модели классификации, включая автоматизированное, ручное, и параллельное обучение.
Выберите Data и Validation for Classification Problem
Импортируйте данные в Classification Learner из рабочей области или файлов, найдите наборы данных в качестве примера и выберите перекрестную проверку или опции валидации затяжки.
В Classification Learner автоматически обучите выбор моделей, или сравните и настройте опции в деревьях решений, дискриминантном анализе, поддержка векторные машины, логистическая регрессия, самые близкие соседи и ансамбли.
Покажите выбор и покажите преобразование Используя приложение Classification Learner
Идентифицируйте полезные предикторы с помощью графиков, вручную избранные функции, чтобы включать, и преобразовать функции с помощью PCA в Classification Learner.
Оцените производительность классификатора в Classification Learner
Сравните образцовые очки точности, визуализируйте результаты путем графического вывода прогнозов класса и проверяйте производительность в классе в Матрице Беспорядка.
Экспортируйте графики в приложении Classification Learner
Экспортируйте и настройте графики, созданные до и после обучения.
Экспортируйте модель классификации, чтобы предсказать новые данные
После обучения В Classification Learner, моделях экспорта к рабочей области, генерируют код MATLAB® или генерируют код С для прогноза.
Обучите деревья решений Используя приложение Classification Learner
Создайте и сравните деревья классификации и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Обучите классификаторы дискриминантного анализа Используя приложение Classification Learner
Создайте и сравните классификаторы дискриминантного анализа и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Обучите классификаторы логистической регрессии Используя приложение Classification Learner
Создайте и сравните классификаторы логистической регрессии и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Обучите машины вектора поддержки Используя приложение Classification Learner
Создайте и сравните классификаторы машины вектора поддержки (SVM) и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Обучите самые близкие соседние классификаторы Используя приложение Classification Learner
Создайте и сравните самые близкие соседние классификаторы и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Обучите классификаторы ансамбля Используя приложение Classification Learner
Создайте и сравните классификаторы ансамбля и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Обучите наивные классификаторы Байеса Используя приложение Classification Learner
Создайте и сравните наивные классификаторы Байеса и экспортируйте обученные модели, чтобы сделать прогнозы для новых данных.
Генерация кода и приложение Classification Learner
Обучите модель классификации использование приложения Classification Learner и сгенерируйте код C/C++ для прогноза.