分类集合体
增加,随机森林,装袋,随机子空间,并为多级学习ECOC集合体
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 |
块
| ClassificationEnsemble预测 | 使用的决策树分类的观察 |
| ClassificationECOC预测 | 观察使用纠错输出编码进行分类(ECOC)分类模型 |
功能
类
主题
- 使用分类学习者应用合奏训练分类器
创建和系综分类器相比,和出口训练模型对新数据进行预测。
- 对集成学习框架
通过使用许多弱学习者获得高度准确的预测。
- 整体算法
了解不同的对集成学习算法。
- 火车分类合奏
火车一个简单的分类。
- 测试整体质量
学习方法来评估预测整体的质量。
- 处理不平衡数据分类合奏中或不平等的误分类成本
学习如何设置前类概率和误分类代价。
- 与不平衡数据分类
使用RUSBoost算法分类当人在您的数据中一个或多个类。
- LPBoost TotalBoost小乐队
创建使用LPBoost小乐队和TotalBoost算法。
- 曲调RobustBoost
调优RobustBoost参数预测的准确性。
- 代理分裂
更好地预测当你使用代理将丢失的数据。
- 火车并行分类合奏
训练可再生产地并行袋装合奏。
- 引导使用TreeBagger聚合(装袋)的分类树
创建一个
TreeBagger系综分类。 - 信用评级装袋决策树
这个例子展示了如何构建一个自动信用评级工具。
- 随机子空间分类
提高分类的准确性通过使用一个随机子空间。
- 预测类标签使用ClassificationEnsemble预测块
与最优hyperparameters合奏训练分类模型,然后使用ClassificationEnsemble预测预测块的标签。
- 预测类标签使用ClassificationECOC预测块
火车一个ECOC分类模型,然后使用ClassificationECOC预测预测块的标签。
