Приложение Classification Learner обучает модели классифицировать данные. Используя это приложение, можно исследовать машинное обучение с учителем с помощью различных классификаторов. Можно исследовать данные, выбрать функции, задать схемы валидации, обучить модели и оценить результаты. Можно выполнить автоматизированное обучение искать лучший тип модели классификации, включая деревья решений, дискриминантный анализ, машины опорных векторов, логистическую регрессию, самых близких соседей, наивного Бейеса, и классификацию ансамблей.
Можно выполнить машинное обучение с учителем путем предоставления известного набора входных данных (наблюдения или примеры) и имеющиеся отклики к данным (например, метки или классы). Вы используете данные, чтобы обучить модель, которая генерирует прогнозы для ответа на новые данные. Чтобы использовать модель с новыми данными или узнать о программируемой классификации, можно экспортировать модель в рабочую область или сгенерировать код MATLAB®, чтобы воссоздать обученную модель.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.
