主要内容

최근접이웃

K -최근접이웃분류

K -최근접이웃모델을훈련시키려면분류학습기앱을사용하십시오。명령줄터페이스에서fitcknn을사용하여k-최근접이웃모델을훈련시키면유연성을높일수있습니다。훈련후에는모델과예측변수데이터를预测에전달하여레이블을예측하거나사후확률을추정합니다。

앱

분류학습기 머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기

블록

ClassificationKNN预测 利用最近邻分类模型对观测数据进行分类

함수

모두 확장

fitcknn K -최근접이웃분류기피팅
ExhaustiveSearcher 创建详尽的最近邻搜索器
KDTreeSearcher 创建Kd-tree最近邻搜索器
createns 创建最近邻搜索对象
石灰 局部可解释模型不可知解释(LIME)
partialDependence 计算部分依赖关系
plotPartialDependence 创建部分依赖图(PDP)和个别条件期望图(ICE)
沙普利 沙普利值
crossval 交叉验证机器学习模型
kfoldEdge 交叉验证分类模型的分类边
kfoldLoss 交叉验证分类模型的分类损失
kfoldfun 分类的交叉验证功能
kfoldMargin 交叉验证分类模型的分类边际
kfoldPredict 在交叉验证的分类模型中对观测数据进行分类
损失 k-最近邻分类器的损失
resubLoss 再置换分类损失
compareHoldout 比较使用新数据的两种分类模型的准确性
边缘 k-最近邻分类器的边
保证金 k-最近邻分类器的边缘
resubEdge 再置换分类边
resubMargin 再置换分类边际
testckfold 通过重复交叉验证比较两种分类模型的准确性
预测 使用k-最近邻分类模型预测标签
resubPredict 使用训练过的分类器对训练数据进行分类
收集 收集属性统计和机器学习工具箱来自GPU的对象
pdist 관측값쌍간의쌍별(成对)거리
pdist2 두관측값세트간의쌍별(成对)거리

객체

모두 확장

ClassificationKNN K -최근접이웃분류
ClassificationPartitionedModel 交叉验证分类模型

도움말항목

관련 정보