Модели нейронной сети структурированы как серия слоев, которые отражают путь мозговая информация о процессах. Классификаторы нейронной сети, доступные в Statistics and Machine Learning Toolbox™, полностью соединяются, нейронные сети прямого распространения, для которых можно настроить размер полносвязных слоев и изменить функции активации слоев.
Чтобы обучить модель классификации нейронных сетей, используйте приложение Classification Learner. Для большей гибкости обучите использование классификатора нейронной сети fitcnet в интерфейсе командной строки. После обучения можно классифицировать новые данные путем передачи модели и новых данных о предикторе к predict.
Если вы хотите создать более комплексные нейронные сети для глубокого обучения и иметь Deep Learning Toolbox™, можно попробовать приложение Deep Network Designer (Deep Learning Toolbox).
| Classification Learner | Обучите модели классифицировать данные с помощью машинного обучения с учителем |
ClassificationNeuralNetwork | Модель нейронной сети для классификации |
CompactClassificationNeuralNetwork | Компактная модель нейронной сети для классификации |
ClassificationPartitionedModel | Перекрестная подтвержденная модель классификации |
Оцените эффективность классификатора нейронной сети
Использование fitcnet создать классификатор нейронной сети прямого распространения с полносвязными слоями и оценить эффективность модели на тестовых данных.
Обучите классификаторы нейронной сети Используя приложение Classification Learner
Создайте и сравните классификаторы нейронной сети и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.
