Un conjunto de clasificación es Un modelo prediction computo por una combinación ponderada de varios modelos de clasificación。总的来说,la combinación de各种各样的模型clasificación aumenta el rendimiento predictivo。
Para exploration conjuntos de clasificación de forma interactiva, utiice la aplicaciónAprendiz de ClasificaciónPara una mayor flexibilidad, ulice en la interfaz de línea de comandos Para auumentar o embolsar árboles de clasificación, o Para变种un bosque aleatorio。fitcensemble
[11]Para obtener más información我很清醒,我很爱你。整体算法一个简化的多类问题和一个联合的问题clasificación二元结构,一个完整的模型códigos de salida de corrección de errors (ECOC)。Para obtener más información,咨询。fitcecoc
Para aumenar los árboles de regresión mediante LSBoost o Para hacer crerecer un boque aleatorio de árboles de regresión,领事。[11]采样de regresión
Capacitar modelos para分类数据中间商aprendizaje automático supervised ado | |
Aprendiz de Clasificación | Capacitar modelos para分类数据中间商aprendizaje automático supervised ado |
创建和比较集成分类器,并导出训练过的模型来对新数据进行预测。
通过使用多个弱学习器,获得高度准确的预测。
了解集成学习的不同算法。
训练一个简单的分类集合。
学习评估集成预测质量的方法。
了解如何设置优先类概率和错误分类成本。
当一个或多个类在数据中过度表示时,使用RUSBoost算法进行分类。
使用LPBoost和TotalBoost算法创建小型集成。(LPBoost和TotalBoost需要优化工具箱™。)
调优RobustBoost参数以获得更好的预测精度。(RobustBoost需要优化工具箱。)
当数据丢失时,通过使用代理分割获得更好的预测。
使用TreeBagger的分类树的引导聚合(Bagging)
创建一个TreeBagger
分类集成。
通过使用随机子空间集合来提高分类的准确性。