主要内容
判别分析
正则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程序。为了更大的灵活性，使用判别分析模型使用fitcdiscr在命令行界面中。通过将模型和预测器数据传递给培训，预测标签或估计后验概率预测。
应用
| 分类学习者 | 使用有监督的机器学习训练模型来分类数据 |
职能
班级
分类Discriminant. |
判别分析分类 |
CompactClassificationDiscriminant |
紧凑判别分析课程 |
ClassificationededModel. |
旨在分类模型 |
话题
创建和比较判别分析分类器，并导出培训的模型来对新数据进行预测。
了解监督学习的步骤和非参数分类和回归函数的特点。
分类响应数据
了解判别分析算法以及如何将判别分析模型拟合到数据。
了解用于构建判别分析分类器的算法。
执行Fisher IRIS数据的线性和二次分类。
检验和改进判别分析模型的性能。
通过删除预测器来制造更强大和更简单的模型，而不会影响模型的预测力。
判别分析假定数据来自高斯混合模型。了解如何检查此假设。
了解预测使用判别分析模型对观测进行分类。
这个例子展示了如何可视化不同分类算法的决策面。
你也可以从以下列表中选择一个网站:
