La traducción de esta página está obsoleta。Haga clic aquí para ver la última versión en inglés。
App分类学习器
完整的,有效的模型clasificación形式上的相互作用
Elija entre distintos算法,对统一的,有效的模型,clasificación,对问题,二进制,多类。Tras entrenar varios modelos,比较los errors de validación de forma directa, después, elja el mejor modelo。Para decidir qué algoritmo usar,咨询在分类学习者应用程序中训练分类模型.
Este graph de flujo muestra un flujo de trabajo recuente para entrrenar modelos de clasificación, o clasificadores, en la app分类学习者。
应用程序
分类学习者 | 基于分类数据的Entrenar模型usando机器学习监督 |
特马
Flujo de trabajo frecuente
- 在分类学习者应用程序中训练分类模型
培训的工作流程,比较和改进分类模型,包括自动、手动和并行培训。 - 选择数据分类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,打开以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 - 评估分类学习者的分类器表现
比较模型的准确性分数,通过绘制班级预测来可视化结果,并在混淆矩阵中检查每个班级的性能。 - 导出分类模型预测新数据
在Classification Learner中进行训练后,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 Production Server™. - 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,以便对新数据进行预测。 - 使用分类学习者应用程序训练鉴别分析分类器
创建和比较判别分析分类器,并导出训练过的模型来对新数据进行预测。 - 使用分类学习者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,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
创建并比较朴素贝叶斯分类器,导出训练过的模型来对新数据进行预测。 - 使用分类学习万博1manbetx者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来对新数据进行预测。 - 使用分类学习者应用程序训练最近邻分类器
创建和比较最近邻分类器,并导出训练过的模型,以便对新数据进行预测。 - 训练核近似分类器使用分类学习者应用程序
创建和比较内核近似分类器,并导出训练过的模型来对新数据进行预测。 - 使用分类学习者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来对新数据进行预测。 - 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,对新数据进行预测。
Flujo de trabajo personalizado
- 基于分类学习者App的特征选择与特征转换
使用图或特征排序算法识别有用的预测器,选择要包含的特征,并在分类学习者中使用PCA转换特征。 - 分类学习者应用程序的错误分类成本
在训练任何分类模型之前,指定错误地将一个类的观察结果分类为另一个类的相关成本。 - 在分类学习者应用程序中使用错误分类成本训练和比较分类器
在指定误分类成本后创建分类器,并比较模型的准确性和总误分类成本。 - 分类学习者应用程序中的超参数优化
利用超参数优化方法自动调优分类模型的超参数。 - 基于超参数优化的分类学习者应用程序训练分类器
训练具有优化超参数的分类支持向量机模型。万博1manbetx - 在分类学习者应用程序中使用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,以获得性能最好的训练模型。 - 在分类学习者应用程序中导出情节
导出和定制训练前后创建的图。 - 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C/ c++代码进行预测。 - 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。 - 将分类学习者训练的模型部署到MATLAB生产服务器
在Classification Learner中训练一个模型,并将其导出用于部署MATLAB生产服务器.