Классификация
Алгоритмы контролируемого обучения для бинарных и многоклассовых задач
Классификация является типом машинного обучения с учителем, на которое алгоритм “учится” классифицировать новые наблюдения из 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
- Классификация машин опорных векторов
Машины опорных векторов для двоичного файла или классификации мультиклассов
- Ансамбли классификации
Повышение, случайный лес, укладывание в мешки, случайное подпространство и ансамбли ECOC для изучения мультикласса
- Построение моделей и оценка
Выбор признаков, выбор модели, гипероптимизация параметров управления, перекрестная проверка, прогнозирующая оценка результатов деятельности и тесты сравнения точности классификации
