用于高维数据二值分类的线性模型
ClassificationLinear
是用于二值分类的训练线性模型对象;线性模型是支持向量机(SVM)或逻辑回归模型金宝app。fitclinear
符合一个ClassificationLinear
通过使用减少高维数据集计算时间的技术(例如,随机梯度下降)最小化目标函数来建立模型。分类损失加上正则化项构成目标函数。
与其他分类模型不同,为了节省内存使用,ClassificationLinear
模型对象不存储训练数据。然而,它们确实存储了,例如,估计的线性模型系数、先验类别概率和正则化强度。
你可以使用训练有素的ClassificationLinear
用于预测新数据的标签或分类分数的模型。有关详细信息,请参见预测
.
创建一个ClassificationLinear
对象的使用fitclinear
.
边缘 |
线性分类模型的分类边缘 |
incrementalLearner |
将二元分类的线性模型转换为增量学习器 |
石灰 |
局部可解释的模型不可知解释(LIME) |
损失 |
线性分类模型的分类损失 |
保证金 |
线性分类模型的分类裕度 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
预测 |
预测线性分类模型的标签 |
沙普利 |
沙普利值 |
selectModels |
选择正则化的二元线性分类模型的子集 |
更新 |
更新代码生成的模型参数 |
价值。要了解值类如何影响复制操作,请参见复制对象.
ClassificationECOC
|ClassificationKernel
|ClassificationPartitionedLinear
|ClassificationPartitionedLinearECOC
|fitclinear
|预测