主要内容

La traduccion de esta pagina obsoleta。哈加clic aqui对位版本la天涯版本en单身。

Vecinos mas下月的

Clasificacion de losk联合国arbol vecinos mas下月的mediante busquedaKd

帕拉entrenar联合国莫德罗de loskvecinos mas下月的,utilice应用分类学习者。帕拉市长flexibilidad entrene联合国莫德罗de loskvecinos mas下月的mediantefitcknnen la interfaz德德第一线。tra利用el entrenamiento prediga las etiquetas o计算las probabilidades后验pasando el莫德罗y洛拿督de los预测预测

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

一些必要

expandir待办事项

fitcknn 适合k最近的邻居分类器
ExhaustiveSearcher 建立详尽的最近邻搜索器
KDTreeSearcher 创建Kd-tree最近邻搜索
createns 创建最近邻搜索器对象
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
kfoldEdge 分类旨在分类模型的边缘
kfoldLoss 分类损失旨在分类模型
kfoldfun 旨在功能分类
kfoldMargin 分类利润率旨在分类模型
kfoldPredict 观察在旨在分类模型进行分类
损失 的损失k最近的邻居分类器
resubLoss Resubstitution分类损失
compareHoldout 比较两种分类模型使用新数据的精度
边缘 的边缘k最近的邻居分类器
保证金 保证金的k最近的邻居分类器
resubEdge Resubstitution分类边缘
resubMargin Resubstitution分类保证金
testckfold 比较两种分类模型的精度重复交叉验证
预测 预测标签使用k最近的邻居分类模型
resubPredict 使用训练数据训练分类器进行分类
收集 收集的属性统计和机器学习工具对象从GPU
pdist 两两之间的距离对观测
pdist2 两组之间两两距离观察

Objetos

expandir待办事项

ClassificationKNN k最近的邻居分类
ClassificationPartitionedModel 旨在分类模型

特马

使用分类学习者应用最近邻分类器训练

创建和最近邻分类器进行比较,和出口训练模型对新数据进行预测。

可视化决定表面不同的分类器

这个例子展示了如何可视化决定表面不同的分类算法。

监督学习工作流程和算法

理解监督学习的步骤和非参数分类和回归函数的特点。

分类使用最近的邻居

分类数据点根据其距离点一个训练数据集,使用各种距离度量。

给relacionada