Приложение Classification Learner

В интерактивном режиме обучите, подтвердите, и модели классификации мелодий

Примите решение среди различных алгоритмов обучить и подтвердить модели классификации для проблем мультикласса или двоичного файла. После учебных многоуровневых моделей сравните их ошибки валидации рядом друг с другом, и затем выберите лучшую модель. Чтобы помочь вам решить который алгоритм использовать, смотрите, Обучают Модели Классификации в Приложении Classification Learner.

Эта блок-схема показывает общий рабочий процесс для учебных моделей классификации или классификаторы, в приложении Classification Learner.

Приложения

Classification LearnerОбучите модели классифицировать данные с помощью машинного обучения с учителем

Темы

Общий рабочий процесс

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.

Выберите Classifier Options

В Classification Learner автоматически обучите выбор моделей, или сравните и настройте опции в дереве решений, дискриминантном анализе, логистической регрессии, наивном Бейесе, машине опорных векторов, самом близком соседе, и моделях ансамбля.

Оцените производительность классификатора в Classification Learner

Сравните баллы точности модели, визуализируйте результаты путем графического вывода предсказаний класса и проверяйте производительность в классе в Матрице Беспорядка.

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 предсказания.

Обучите деревья решений Используя приложение Classification Learner

Создайте и сравните деревья классификации и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Обучите классификаторы дискриминантного анализа Используя приложение Classification Learner

Создайте и сравните классификаторы дискриминантного анализа и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Обучите классификаторы логистической регрессии Используя приложение Classification Learner

Создайте и сравните классификаторы логистической регрессии и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Обучите наивные классификаторы Байеса Используя приложение Classification Learner

Создайте и сравните наивные классификаторы Байеса и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Обучите машины опорных векторов Используя приложение Classification Learner

Создайте и сравните классификаторы машины опорных векторов (SVM) и экспортируйте обученные модели, чтобы сделать предсказания 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 предсказания для новых данных.

Обучите классификаторы ансамбля Используя приложение Classification Learner

Создайте и сравните классификаторы ансамбля и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Индивидуально настраиваемый рабочий процесс

Выбор признаков и преобразование функции Используя приложение Classification Learner

Идентифицируйте полезные предикторы с помощью графиков, вручную избранные функции, чтобы включать, и преобразовать функции с помощью PCA в Classification Learner.

Затраты Misclassification в приложении Classification Learner

Перед обучением любые модели классификации задайте затраты, сопоставленные с неправильной классификацией наблюдений за одним классом в другого.

Обучите и сравните классификаторы Используя затраты Misclassification в приложении Classification Learner

Создайте классификаторы после определения misclassification затраты и сравните точность и общее количество misclassification стоимость моделей.

Гипероптимизация параметров управления в приложении Classification Learner

Автоматически настройте гиперпараметры моделей классификации при помощи гипероптимизации параметров управления.

Обучите классификатор Используя гипероптимизацию параметров управления в приложении Classification Learner

Обучите модель машины опорных векторов (SVM) классификации оптимизированными гиперпараметрами.

Экспортируйте графики в приложении Classification Learner

Экспортируйте и настройте графики, созданные до и после обучения.

Генерация кода и приложение Classification Learner

Обучите модель классификации использование приложения Classification Learner и сгенерируйте код C/C++ для предсказания.

Сопутствующая информация

Для просмотра документации необходимо авторизоваться на сайте