Классификация
Контролируемые алгоритмы изучения для двоичного файла и проблем мультикласса
Классификация является типом машинного обучения с учителем, на которое алгоритм “учится” классифицировать новые наблюдения от примеров маркированных данных. Чтобы исследовать модели классификации в интерактивном режиме, используйте приложение Classification Learner. Для большей гибкости можно передать предиктор или показать данные с соответствующими ответами или метками к соответствующей алгоритму функции в интерфейсе командной строки.
Чтобы обучить модели регрессии, такие как логистическая регрессия, деревья регрессии, Гауссова регрессия процесса и регрессия вектора поддержки, видят Регрессию.
Основы классификации
- Приложение Classification Learner
В интерактивном режиме обучите, подтвердите, и модели классификации мелодий
- Деревья классификации
Деревья выбора из двух альтернатив для изучения мультикласса
- Дискриминантный анализ
Упорядоченный линейный и квадратичный дискриминантный анализ
- Наивный байесов
Наивная модель Bayes с Гауссовым, многочленом или предикторами ядра
- Самые близкие соседи
k самая близкая классификация соседей с помощью Kd - поиск по дереву
- Поддержите векторную классификацию машин
Поддержите векторные машины для классификации мультиклассов или двоичного файла
- Ансамбли классификации
Повышение, случайный лес, укладывание в мешки, случайное подпространство и ансамбли ECOC для изучения мультикласса
- Построение моделей и оценка
Покажите выбор, гипероптимизацию параметров управления, перекрестную проверку, прогнозирующую оценку результатов деятельности, тесты сравнения точности классификации
