判别分析
正则化线性和二次判别分析
要交互地训练判别分析模型,请使用分类学习者为获得更大的灵活性,使用训练判别分析模型fitcdiscr
在命令行界面。训练后,通过将模型和预测器数据传递给预测标签或估计后验概率预测
.
应用程序
分类学习者 | 训练模型使用监督机器学习对数据进行分类 |
功能
类
ClassificationDiscriminant |
判别分析分类 |
CompactClassificationDiscriminant |
压缩判别分析类 |
ClassificationPartitionedModel |
交叉验证分类模型 |
主题
- 使用分类学习应用程序训练判别分析分类器
创建和比较判别分析分类器,并导出训练过的模型,以对新数据进行预测。
- 监督学习工作流和算法
理解监督学习的步骤和非参数分类和回归函数的特征。
- 参数分类
分类响应数据
- 判别分析分类
理解判别分析算法,以及如何将判别分析模型拟合到数据上。
- 建立判别分析模型
理解用于构造判别分析分类器的算法。
- 创建并可视化判别分析分类器
对Fisher虹膜数据进行线性和二次分类。
- 改进判别分析模型
检验和改进判别分析模型的性能。
- 正则化判别分析分类器
在不影响模型预测能力的情况下,通过删除预测器来创建更健壮、更简单的模型。
- 检验高斯混合假设
判别分析假设数据来自高斯混合模型。理解如何检验这个假设。
- 使用判别分析模型进行预测
了解
预测
使用判别分析模型对观测数据进行分类。 - 可视化不同分类器的决策曲面
这个例子展示了如何可视化不同分类算法的决策面。