在分类学习者App中列车分类模型 - Matlab＆Simulink万博1manbetx

在分类学习者应用中列车分类模型

您可以使用分类学习者来培训这些分类器的模型：决策树，判别分析，支持向量机，Logistic回归，最近的邻居，天真贝叶斯，集合和神经网络。万博1manbetx除了培训模型外，您还可以探索您的数据，选择功能，指定验证方案和评估结果。您可以将模型导出到工作区以使用新数据或生成MATLAB的模型^®用于了解程序分类的代码。

培训分类学习者的模型包括两部分：

验证型号：用验证方案列车模型。默认情况下，应用程序通过应用交叉验证来防止过度装备。或者，您可以选择HoldOut验证。在应用程序中可见验证的模型。
完整型号：在无验证的情况下培训全数据的模型。该应用程序与已验证的模型同时培训此模型。但是，在应用中不可见在完整数据上培训的模型。当您选择要导出到工作区的分类器时，分类学习者会导出完整模型。

该应用程序显示验证模型的结果。诊断措施，如模型精度，以及散射图或混淆矩阵图，如散点图，反映了验证的模型结果。您可以自动培训各种或所有分类器，比较验证结果，并选择适用于您的分类问题的最佳模型。当您选择要导出到工作区的模型时，分类学习者会导出完整模型。由于分类学习者在训练期间创建了全模型的模型对象，因此导出模型时不会延迟时间。您可以使用导出的模型来对新数据进行预测。

要通过培训选择型号类型，请参阅自动分类器培训。如果您已经知道要训练的分类器类型是什么，请参阅手动分类器培训。

自动分类器培训

您可以使用分类学习者在您的数据上自动培训各种不同的分类模型。

立即自动培训多个模型。您可以快速尝试各种型号，然后交互探索有前途的模型。
如果您已经知道所需的分类类型，请转而培训单个分类器。看手动分类器培训。

在这一点应用标签，在机器学习组，点击分类学习者。
点击新会议并从工作区或文件中选择数据。指定要用作预测器的响应变量和变量。看选择数据和验证分类问题。
在这一点分类学习者标签，在模型类型部分，点击所有速度。此选项将培训快速适合的数据集可用的所有模型预设。
点击火车。

笔记

如果您有并行计算工具箱™，则可以并行培训模型。看并行分类器培训。

选择了一系列型号类型楷模窗格。当他们完成培训时，最好的百分比准确性（验证）分数在一个盒子里突出显示。
点击模型中的模型楷模窗格探索地块的结果。
对于下一步，请参阅手动分类器培训或者比较和改进分类模型。
要尝试所有可用于数据集的非优化分类器模型预设，请单击全部，然后点击火车。

手动分类器培训

如果要探索单个模型类型，或者如果您已经知道所需的分类器类型，则可以一次培训分类器，或者列车一组相同类型。

选择分类器。在这一点分类学习者标签，在模型类型部分，单击分类器类型。要查看所有可用的分类器选项，请单击最右侧的箭头模型类型展开分类器列表的部分。非优化的模型选项模型类型GALLERY是预设的起点，具有不同的设置，适用于一系列不同的分类问题。
要读取每个分类器的描述，请切换到详细信息视图。

有关每个选项的更多信息，请参阅选择分类器选项。
选择分类器后，单击火车。
重复尝试不同的分类器。

小费

首先尝试决策树木和判别。如果模型不足以预测响应，则尝试具有更高灵活性的其他分类器。为避免过度装备，请查看较低灵活性的模型，提供足够的精度。
如果要尝试所有相同或不同类型的非优化模型，则选择其中一个全部选项在模型类型画廊。
或者，如果要自动调整特定模型类型的超级参数，请选择相应的优化模型并执行HyperParameter优化。有关更多信息，请参阅分类学习者应用中的HyperParameter优化。

对于下一步，请参阅比较和改进分类模型

并行分类器培训

如果您有并行计算工具箱，您可以使用分类学习者并行培训模型。并行培训允许您立即培训多个分类器并继续工作。

要控制并行训练，切换使用并行App ToolStrip中的按钮。这使用并行如果有并行计算工具箱，则仅可用按钮。

第一次点击火车点击后使用并行按钮，您在应用程序打开并行工人池时会看到一个对话框。池打开后，您可以立即培训多个分类器。
当分类器并行培训时，您会在每个培训和排队模型上看到进度指标楷模窗格，如果需要，您可以取消各个模型。在培训期间，您可以检查模型的结果和图表，并启动更多分类器的培训。

如果您有并行计算工具箱，则在分类学习者中可以使用并行培训，您无需设置使用指α.选项实例化功能。

笔记

您无法并行执行HyperParameter Optimization。该应用程序禁用使用并行选择可优化的型号时按钮。如果选择一个非优化的型号，则默认情况下按钮关闭。

比较和改进分类模型

点击模型中的模型楷模窗格探索地块中的结果。通过检查散点图和混淆矩阵的结果进行比较模型性能。检查准确性（验证）每个模型报告的分数。
此外，您可以使用使用模型进行比较排序方式选项在楷模窗格。通过选择模型并单击“删除任何不需要的模型删除所选模型窗格右上角的按钮，或右键单击模型和选择删除模型。
看评估分类学习者中的分类器性能。
选择最佳模型楷模窗格然后尝试在模型中包含和排除不同的功能。点击功能选择。
尝试并行坐标绘图，以帮助您识别要删除的功能。看看您是否可以通过删除具有低预测电源的功能来改进模型。指定预测器以包含在模型中，并使用新选项培训新模型。比较模型中的结果楷模窗格。
您还可以尝试使用PCA转换功能以减少维度。
看使用分类学习者应用选择和功能转换。
要进一步改进模型，您可以在高级对话框中尝试更改分类器参数设置，然后使用新选项列车。要了解如何控制模型灵活性，请参阅选择分类器选项。有关如何自动调整模型参数设置的信息，请参阅分类学习者应用中的HyperParameter优化。
如果要素选择，PCA或新参数设置可提高您的型号，请尝试培训全部使用新设置的模型类型。看看新设置是否具有更好的模型类型。