主要内容

判别分析

正规化的线性和二次判别分析

交互式训练判别分析模型,使用分类学习者应用。为了实现更高的灵活性,培养使用判别分析模型fitcdiscr在命令行界面。训练后,预测标签或估计后验概率通过模型和预测数据预测。

应用程序

分类学习者 火车模型使用监督机器学习分类数据

功能

全部展开

fitcdiscr 合适的判别分析分类器
makecdiscr 构造判别分析分类器的参数
紧凑的 紧凑的判别分析分类器
cvshrink 旨在线性判别的正规化
石灰 本地可model-agnostic解释(石灰)
partialDependence 计算部分依赖
plotPartialDependence 创建部分依赖图(PDP)和个人条件期望(ICE)情节
沙普利 沙普利值
crossval 旨在判别分析分类器
kfoldEdge 分类旨在分类模型的边缘
kfoldLoss 分类损失旨在分类模型
kfoldfun 旨在功能分类
kfoldMargin 分类利润率旨在分类模型
kfoldPredict 观察在旨在分类模型进行分类
损失 分类错误
resubLoss 由resubstitution分类错误
logp 为判别分析分类器日志无条件概率密度
泰姬陵 而距离类判别分析分类器的手段
nLinearCoeffs 数量的非零线性系数
compareHoldout 比较两种分类模型使用新数据的精度
边缘 分类的优势
保证金 分类的利润率
resubEdge 分类边缘resubstitution
resubMargin 分类利润resubstitution
testckfold 比较两种分类模型的精度重复交叉验证
预测 预测标签使用判别分析分类模型
resubPredict 判别分析分类模型的预测resubstitution标签
分类 使用判别分析分类的观察

类

ClassificationDiscriminant 判别分析分类
CompactClassificationDiscriminant 紧凑的判别分析类
ClassificationPartitionedModel 旨在分类模型

主题