分类学习 | 使用监督机器学习模型火车来分类数据 |
创建和比较集成分类,并出口训练的模型来为新数据的预测。
通过使用许多弱学习获得高度准确的预测。
了解有关集成学习不同的算法。
培养一个简单的分类集成。
学习方法来评估整体的预测质量。
了解如何设置前级概率和误分类成本。
使用RUSBoost算法进行分类,当一个或多个类资料中的过表达。
创建使用LPBoost和TotalBoost算法小合奏。(LPBoost和TotalBoost需要优化工具箱™)。
调RobustBoost参数更好的预测精度。(RobustBoost需要优化工具箱。)
获得更好的预测当你通过使用替代拆分丢失的数据。
创建TreeBagger合奏进行分类。
这个例子显示了如何建立一个自动化的信用评级工具。
通过使用随机子空间合奏增加分类的准确性。