主要内容

神经网络

神经网络的二进制和多级分类

神经网络模型构建为一系列层反映大脑处理信息的方式。统计和机器学习的神经网络分类器工具箱™是完全连接,前馈神经网络,你可以调整大小的完全连接层,改变层的激活函数。

训练一个神经网络分类模型,使用分类学习者应用。更大的灵活性,训练一个神经网络分类器使用fitcnet在命令行界面。培训后,可以通过分类新数据模型和新的预测数据预测。

如果你想创建更复杂的深度学习网络和有深度学习工具箱™,你可以试试深层网络设计师(深度学习工具箱)应用程序。

应用程序

分类学习者 火车模型使用监督机器学习分类数据

块

ClassificationNeuralNetwork预测 观察使用神经网络分类模型进行分类

功能

全部展开

fitcnet 训练神经网络分类模型
紧凑的 减少机器学习模型的大小
石灰 本地可model-agnostic解释(石灰)
partialDependence 计算部分依赖
plotPartialDependence 创建部分依赖图(PDP)和个人条件期望(ICE)情节
沙普利 沙普利值
crossval 旨在机器学习模型
kfoldLoss 分类损失旨在分类模型
kfoldPredict 观察在旨在分类模型进行分类
kfoldEdge 分类旨在分类模型的边缘
kfoldMargin 分类利润率旨在分类模型
kfoldfun 旨在功能分类
损失 神经网络分类器分类损失
resubLoss Resubstitution分类损失
边缘 神经网络分类器分类边缘
保证金 神经网络分类器分类利润率
resubEdge Resubstitution分类边缘
resubMargin Resubstitution分类保证金
预测 观察使用神经网络分类器进行分类
resubPredict 使用训练数据训练分类器进行分类

对象

ClassificationNeuralNetwork 分类的神经网络模型
CompactClassificationNeuralNetwork 紧凑的神经网络分类模型
ClassificationPartitionedModel 旨在分类模型

主题