이번역페이지는최신내용을담고있지않습니다。최신내용을문으로보려면여기를클릭하십시오。
분류학습기앱
대화형방식으로분류모델훈련，검및조정
이진문제또는다중클래스문제에대해분류모델을훈련시키고검증하는다양한알고리즘중에서선택할수있습니다。여러모델을훈련시킨후검오차를나란히비교한다음최적의모델을선택합니다。어떤알고리즘을사용할지결정하는데도움이필하다면분류학습기앱에서분류모델을훈련시키기항목을참조하십시오。
다음플로우차트는분류학습기앱에서분류모델또는분류기를훈련시키는일반적인워크플로를보여줍니다。
앱
| 분류학습기 | 머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기 |
도움말항목
일반워크플로
- 분류학습기앱에서분류모델을훈련시키기
자동화된훈련,수동훈련,병렬훈련등분류모델을훈련시키고비교하고향상시킬수있는워크플로입니다。 - 选择分类数据或打开保存的应用程序会话
将数据从工作空间或文件导入Classification Learner，查找示例数据集，选择交叉验证或拒绝验证选项，并将数据预留用于测试。或者，打开之前保存的应用程序会话。 - 选择分类器选项
在分类学习器中，自动训练选择的模型，或比较和调整决策树、判别分析、逻辑回归、朴素贝叶斯、支持向量机、最近邻、核近似、集成和神经网络模型中的选项。万博1manbetx - 分类学习中分类器性能的可视化和评估
比较模型精度分数，通过绘制类预测来可视化结果，并在混淆矩阵中检查每个类的性能。 - 导出分类模型预测新数据
在Classification Learner中训练后，导出模型到工作空间，生成MATLAB®代码，生成用于预测的C代码，或导出用于部署的模型MATLAB生产服务器． - 使用分类学习应用程序训练决策树
创建和比较分类树，并导出训练过的模型，以对新数据进行预测。 - 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。 - 使用分类学习应用程序训练逻辑回归分类器
创建并比较逻辑回归分类器，并导出训练过的模型，以对新数据进行预测。 - 使用分类学习应用程序训练朴素贝叶斯分类器
创建和比较朴素贝叶斯分类器，并导出训练过的模型，以对新数据进行预测。 - 使用分类学习万博1manbetx应用程序训练支持向量机
创建和比较支持向量机(SVM)分类器，万博1manbetx并导出训练过的模型，以对新数据进行预测。 - 使用分类学习应用程序训练最近邻分类器
创建并比较最近邻分类器，并导出训练过的模型，以对新数据进行预测。 - 使用分类学习应用程序训练核近似分类器
创建并比较内核近似分类器，并导出训练好的模型以对新数据进行预测。 - 使用分类学习应用程序训练集成分类器
创建和比较集成分类器，并导出训练过的模型，以对新数据进行预测。 - 使用分类学习应用程序训练神经网络分类器
创建和比较神经网络分类器，并导出训练过的模型，以对新数据进行预测。
사용자지정워크플로
- 使用分类学习App进行特征选择和特征转换
使用图或特征排序算法识别有用的预测因子，选择要包含的特征，并使用分类学习器中的PCA转换特征。 - 分类学习者应用程序中的错误分类成本
在训练任何分类模型之前，请指定将一类观察结果错误分类为另一类的相关成本。 - 在分类学习应用程序中使用错误分类代价训练和比较分类器
在指定错误分类代价后创建分类器，并比较模型的准确性和总错误分类代价。 - 分类学习App中的超参数优化
利用超参数优化技术自动调优分类模型的超参数。 - 在分类学习App中使用超参数优化训练分类器
用优化的超参数训练分类支持向量机模型。万博1manbetx - 使用分类学习应用程序中的测试集检查分类器性能
将测试集导入Classification Learner，并检查测试集指标，以获得表现最佳的训练模型。 - 在分类学习应用程序中导出图
导出和定制培训前后创建的图。 - 代码生成和分类学习应用程序
使用classification Learner应用程序训练分类模型，并生成用于预测的C/ c++代码。 - 分类学习者训练的逻辑回归模型的代码生成
这个例子展示了如何使用Classification Learner训练逻辑回归模型，然后生成使用导出的分类模型预测标签的C代码。 - 将分类学习器中训练的模型部署到MATLAB生产服务器
在分类学习器中训练模型，并将其导出以部署到MATLAB制作服务器． - 建立工业机械和制造过程的条件模型
使用分类学习应用程序训练二元分类模型，以检测从工业制造机器收集的传感器数据中的异常。
관련 정보
您也可以从以下列表中选择一个网站: