主要内容
判别分析
正则线性和二次判别分析
为了交互式训练判别分析模型，使用分类学习者应用程序。为了更大的灵活性，使用判别分析模型使用fitcdiscr.在命令行界面中。通过将模型和预测器数据传递给培训，预测标签或估计后验概率预测。
应用
| 分类学习者 | 火车模型以使用监督机器学习对数据进行分类 |
职能
班级
分类Discriminant. |
判别分析分类 |
CompactClassificationDiscriminant. |
紧凑判别分析课程 |
ClassificationededModel. |
交叉验证的分类模型 |
话题
创建和比较判别分析分类器，并导出培训的模型来对新数据进行预测。
了解监督学习的步骤和非参数分类和回归函数的特征。
分类响应数据
了解判别分析算法以及如何将判别分析模型拟合到数据。
了解用于构建判别分析分类器的算法。
执行Fisher IRIS数据的线性和二次分类。
检查并改善判别分析模型性能。
通过删除预测器来制造更强大和更简单的模型，而不会影响模型的预测力。
判别分析假定数据来自高斯混合模型。了解如何检查此假设。
了解如何预测使用判别分析模型进行分类观察。
此示例显示如何为不同的分类算法可视化决策表面。
您还可以从以下列表中选择一个网站：
