Линейная модель для бинарной классификации высоко-размерных данных
ClassificationLinear
обученный линейный объект модели для бинарной классификации; линейная модель является моделью логистической регрессии или машиной опорных векторов (SVM). fitclinear
соответствует ClassificationLinear
модель путем минимизации целевой функции с помощью методов, которые уменьшают время вычисления для высоко-размерных наборов данных (e.g., стохастический градиентный спуск). Потеря классификации плюс срок регуляризации составляет целевую функцию.
В отличие от других моделей классификации, и для экономичного использования памяти, ClassificationLinear
объекты модели не хранят обучающие данные. Однако они действительно хранят, например, предполагаемые линейные коэффициенты модели, вероятности предшествующего класса и силу регуляризации.
Можно использовать, обучил ClassificationLinear
модели, чтобы предсказать метки или классификационные оценки для новых данных. Для получения дополнительной информации смотрите predict
.
Создайте ClassificationLinear
объект при помощи fitclinear
.
edge | Ребро классификации для линейных моделей классификации |
incrementalLearner | Преобразуйте линейную модель для бинарной классификации инкрементному ученику |
loss | Потеря классификации для линейных моделей классификации |
margin | Поля классификации для линейных моделей классификации |
partialDependence | Вычислите частичную зависимость |
plotPartialDependence | Создайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP) |
predict | Предскажите метки для линейных моделей классификации |
selectModels | Выберите подмножество упорядоченных, бинарных линейных моделей классификации |
update | Обновите параметры модели для генерации кода |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел "Копирование объектов".
ClassificationECOC
| ClassificationKernel
| ClassificationPartitionedLinear
| ClassificationPartitionedLinearECOC
| fitclinear
| predict