Модели нейронной сети структурированы как серия слоев, которые отражают то, как мозг обрабатывает информацию. Нейронные сетевые классификаторы, доступные в Statistics and Machine Learning Toolbox™, полностью подключены, с feedforward нейронные сети, 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 классификатор нейронных сетей с помощью fitcnet
в интерфейсе командной строки. После обучения можно классифицировать новые данные путем передачи модели и новых данных предиктора predict
.
Если вы хотите создать более сложные 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 проверенная классификационная модель |
Оценка эффективности классификатора нейронных сетей
Использовать fitcnet
создать классификатор нейронной сети с feedforward с полносвязными слоями и оценить эффективность модели на тестовых данных.
Обучите классификаторы нейронных сетей с помощью приложения Classification Learner
Создайте и сравните классификаторы нейронных сетей и экспортируйте обученные модели, чтобы делать предсказания для новых данных.