分类集合体

用于多类学习的Boosting、random forest、bagging、random subspace和ECOC集合

分类集成是由多个分类模型的加权组合组成的预测模型。通常，组合多个分类模型可以提高预测性能。

要以交互方式探索分类集成，请使用分类学习者要获得更大的灵活性，请使用菲特森布尔在命令行界面中增强或包分类树，或生长一个随机森林[12]。有关所有受支持的集成的详细信息，请参阅万博1manbetx整体算法。若要将多类问题简化为二进制分类问题的集合，请训练纠错输出码（ECOC）模型。有关详细信息，请参阅fitcecoc.

使用LSBoost增强回归树，或生成回归树的随机林[12]看见回归系综.

应用程序

分类学习者

使用有监督的机器学习训练模型来分类数据

块

分类编码预测

使用决策树的集合对观察结果进行分类

功能

全部展开

创建学习者模板

`templateDiscriminant`	判别分析分类器模板
`templateECOC`	错误校正输出代码学习模板
`templateEnsemble`	整体学习模板
`templateKNN`	K-最近邻分类器模板
`模板线性`	线性分类学习模板
`模板贝叶斯`	朴素贝叶斯分类器模板
`模板支持向量机`	万博1manbetx支持向量机模板
`模板树`	创建决策树模板

分类集成

`菲特森布尔`	适合分类的学习者集合
`预测`	使用分类模型的集合对观测结果进行分类
`OOB预测`	预测集合的出袋响应

套袋分类树

`树人`	创建决策树包
`菲特森布尔`	适合分类的学习者集合
`预测`	使用袋装决策树预测响应
`OOB预测`	出袋观测的集合预测

多类ECOC

`fitcecoc`	适合支持向量机或其他分类器的多类模型万博1manbetx
`模板支持向量机`	万博1manbetx支持向量机模板
`预测`	使用多类纠错输出码（ECOC）模型对观测值进行分类

班级

全部展开

分类集成

`ClassificationEnsemble`	集成分类器
`压缩分类插入码`	紧凑分类集成类
`分类分区集合`	交叉验证分类集成

套袋分类树

`树人`	决策树包
`紧凑式架桥机`	基于bootstrap聚合的决策树紧凑集成
`分类BaggedAssemble`	基于重采样的分类集成

多类ECOC

`分类`	支持向量机(svm)等分类器的多类模型万博1manbetx
`紧凑分类`	支持向量机(svm)等分类器的紧凑多类模型万博1manbetx
`ClassificationPartitionedECOC`	支持向量机（SVM）和其他分类器的交叉验证多类ECOC模型万博1manbetx