最近的邻居

K.最近的邻居分类使用kd.-tree搜索

训练A.K.- 最终邻居模型，使用分类学习者应用程序。为了更大的灵活性，火车aK.- 最终邻居模型使用Fitcknn.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

展开全部

Fitcknn. 合身K.- 最终邻居分类器
令人疲惫的 创建详尽的最近邻搜索者
kdtreesearcher. 创造K.D树最近邻搜索
创造 创建最近的邻居搜索器对象
横梁 交叉验证K.- 最终邻居分类器
Kfoldedge 用于观察的分类边缘不用于培训
Kfoldloss. 对未用于培训的观察分类损失
kfoldfun. 交叉验证功能
Kfoldmargin. 用于观察的分类边距不用于培训
Kfoldpredict 预测不用于培训的观察的响应
失利 lossK.- 最终邻居分类器
resubloss. lossK.通过重新提交的邻居分类器
CompareHoldout. 使用新数据比较两个分类模型的精度
边缘 的边缘K.- 最终邻居分类器
利润 边缘K.- 最终邻居分类器
重新提交 的边缘K.通过重新提交的邻居分类器
重新提交 边缘K.通过重新提交的邻居分类器
预测 预测标签使用K.- 最终邻居分类模型
重新预订 预测副职业标签K.- 最终邻居分类器
Pdist. 对观察成对之间的成对距离
PDIST2. 两组观测之间的成对距离

对象

展开全部

ClassificationKnn. K.- 最终邻居分类
ClassificationededModel. 交叉验证的分类模型

话题

使用分类学习者应用程序列车最近的邻邻分类器

创建和比较最近的邻邻分类器，并导出培训的模型来对新数据进行预测。

可视化不同分类器的决策表面

此示例显示如何为不同的分类算法可视化决策表面。

监督学习工作流程和算法

了解监督学习的步骤和非参数分类和回归函数的特征。

使用最近邻居分类

使用各种距离指标在培训数据集中分类数据点以基于培训数据集的距离。

相关信息

统计和机器学习工具箱文档
金宝app
掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书