分类

• 分类学习者应用
  交互式地训练、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
  正则化线性和二次判别分析
  
• 朴素贝叶斯
  具有高斯、多项式或核预测因子的朴素贝叶斯模型
  
• 近邻
  K最近邻分类法杜兰特-树搜索
  
• 金宝app支持向量机分类
  金宝app用于二类或多类分类的支持向量机
  
• 分类集成
  用于多类学习的Boosting、random forest、bagging、random subspace和ECOC集合
  
• 广义加性模型
  二元分类的一元和二元形状函数可解释模型
  
• 神经网络
  用于二类和多类分类的神经网络
  
• 增量学习
  将分类模型与流数据相匹配并跟踪其性能
  
• 分类的半监督学习
  基于图的半监督学习自训练方法
  
• 可解释性
  训练可解释的分类模型，解释复杂的分类模型
  
• 模型建立和评估
  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
  

特色实例

基于贝叶斯优化的自动分类器选择

使用菲特考托在给定训练预测值和响应数据的情况下，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构建多个机器学习模型，然后使用称为叠加的技术组合这些模型，以提高测试数据集的精度，而不是单个模型的精度。

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执行分类。

打开脚本

基于Bagging决策树的信用评级

构建一个自动信用评级工具。

打开脚本