分类

• 分类学习者应用程序
  互动列车，验证和调谐分类模型
  
• 分类树木
  用于多标语学习的二元决策树
  
• 判别分析
  正则线性和二次判别分析
  
• 天真的贝父
  朴素的贝叶斯模型与高斯，多项式或内核预测器
  
• 最近的邻居
  K.最近的邻居分类使用kd.-Tree搜索
  
• 金宝app支持矢量机器分类
  金宝app支持二进制或多款分类的向量机
  
• 分类集合
  增加，随机森林，袋装，随机子空间和ecoc ensembles，用于多标语学习
  
• 增量学习
  适用于二进制分类对流数据的线性模型，并跟踪其性能
  
• 半监督分类学习
  基于图和半监督学习的自我培训方法
  
• 模型建筑和评估
  特征选择，型号选择，封锁率优化，交叉验证，预测性能评估和分类准确性比较测试
  

特色例子

自动分类器选择贝叶斯优化

采用fitcauto.给定培训预测器和响应数据，自动尝试具有不同的超参数值的分类模型类型。

打开直播脚本

使用贝叶斯优化实现自动化模型选择

构建多个分类模型，优化其超级参数，然后选择在测试数据集上执行最佳的模型。

打开直播脚本

将异构模型结合到堆叠的集合中

为给定培训数据集构建多台机器学习模型，然后使用称为堆叠的技术组合模型，以提高与各个模型的准确性相比的测试数据集的准确性。

打开直播脚本

分类

使用判别分析，幼稚贝叶斯分类器和决策树进行分类。

打开脚本

装袋决策树的信用评级

构建自动信用评级工具。

打开脚本