分类

• 分类学习者应用
  交互式训练、验证和调整分类模型
  
• 分类树
  用于多类学习的二叉决策树
  
• 判别分析
  正则线性和二次判别分析
  
• 朴素贝叶斯
  朴素贝叶斯模型与高斯，多项，或核预测
  
• 最近的邻居
  k最近邻分类使用Kd树搜索
  
• 金宝app支持向量机分类
  金宝app支持向量机二进制或多类分类
  
• 分类集合体
  用于多类学习的Boosting、随机森林、bagging、随机子空间和ECOC集成
  
• 广义加性模型
  由一元和二元形状函数组成的二元分类解释模型
  
• 神经网络
  用于二值和多类分类的神经网络
  
• 增量学习
  对流数据拟合分类模型并跟踪其性能
  
• 用于分类的半监督学习
  基于图和自训练的半监督学习方法
  
• 可解释性
  训练可解释分类模型，解释复杂分类模型
  
• 模型建立与评估
  特征选择、特征工程、模型选择、超参数优化、交叉验证、预测性能评估、分类精度比较试验
  

特色的例子

基于贝叶斯优化的自动分类器选择

使用fitcauto给定训练预测器和响应数据，自动尝试选择具有不同超参数值的分类模型类型。

打开生活的脚本

使用贝叶斯优化实现自动化模型选择

构建多个分类模型，优化它们的超参数，并选择在测试数据集上表现最好的模型。

打开生活的脚本

将异构模型合并到堆叠集成中

为给定的训练数据集建立多个机器学习模型，然后使用一种称为叠加的技术将这些模型组合起来，以提高测试数据集上的准确性，而不是单个模型的准确性。

打开生活的脚本

分类

使用判别分析、朴素贝叶斯分类器和决策树进行分类。

打开脚本

采用套袋决策树进行信用评级

构建一个自动信用评级工具。

打开脚本