神经网络

用于二值和多类分类的神经网络

神经网络模型是由一系列反映大脑处理信息方式的层组成的。统计学和机器学习工具箱™中的神经网络分类器是完全连接的前馈神经网络，您可以调整完全连接层的大小，并改变层的激活功能。

为了训练神经网络分类模型，使用分类学习者为了获得更大的灵活性，可以使用fitcnet在命令行界面。在训练之后，您可以通过将模型和新的预测器数据传递给预测．

如果您想创建更复杂的深度学习网络并拥有深度学习工具箱™，您可以尝试深层网络设计师(深度学习工具箱)应用程序。

应用程序

使用有监督的机器学习训练模型来分类数据

`fitcnet`	训练神经网络分类模型
`紧凑的`	减少机器学习模型的规模

`预测`	使用神经网络分类器对观测数据进行分类
`resubPredict`	使用训练的分类器对训练数据进行分类

`ClassificationNeuralNetwork`	分类的神经网络模型
`CompactClassificationNeuralNetwork`	用于分类的紧凑神经网络模型
`ClassificationPartitionedModel`	旨在分类模型

使用fitcnet建立具有全连接层的前馈神经网络分类器，并根据测试数据评估模型的性能。

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。

下载电子书