文档帮助中心文档
火车模型使用监督机器学习分类数据
的分类学习者应用列车模型对数据进行分类。使用此应用程序,您可以探索监督机器学习使用不同的分类器。探索你的数据,可以选择特性,指定验证计划,火车模型和评估结果。您可以执行自动化培训搜索最好的分类模型类型,包括决策树、判别分析、支持向量机、逻辑回归,最近的邻居,朴素贝叶斯、内核近似,合奏,神经网络分类。金宝app
您可以执行监督机器学习通过提供一组已知的输入数据(观察或例子)数据和已知的反应(例如,标签或类)。你使用数据训练模型,生成响应的预测新数据。利用新的数据模型,或学习编程的分类,您可以导出模型的工作区或生成MATLAB®代码重新训练模型。
提示
首先,在分类器列表中,试一试所有Quick-To-Train训练模型的选择。看到自动分类器训练。
MATLAB
统计和机器学习的工具箱™
注意:当你使用分类学习者MATLAB在线™使用云计算,你可以训练模型并行集群中心(需要并行计算工具箱™)。有关更多信息,请参见使用并行计算与云中心集群在MATLAB工具箱(并行计算工具箱)。
MATLAB将来发布:应用程序选项卡,在机器学习,点击应用程序图标。
MATLAB命令提示:输入classificationLearner。
classificationLearner
全部展开
classificationLearner打开分类学习者应用或带来专注应用如果它已经开放。
ResponseVarName classificationLearner(台)
ResponseVarName classificationLearner(台)打开分类学习者应用和填充新会话从参数对话框中包含的数据表资源描述。的ResponseVarName向量参数,指定为一个字符或字符串标量,响应变量的名称资源描述包含的类标签。其余的变量资源描述预测变量。
资源描述
ResponseVarName
classificationLearner(资源描述,Y)
classificationLearner(资源描述,Y)打开分类学习者应用和填充的新会话参数与表中的预测变量对话框资源描述和类标签的向量Y。您可以指定响应Y作为一个分类数组,字符数组,字符串数组,逻辑矢量,特征向量的数值向量,或单元阵列。
Y
classificationLearner (X, Y)
classificationLearner (X, Y)打开分类学习者应用和填充新会话的参数对话框n——- - - - - -p预测矩阵X和n类标签向量中Y。每一行的X对应于一个观察,每一列对应一个变量。的长度Y的行数X必须是相等的。
X
classificationLearner (___、名称、值)
classificationLearner (___、名称、值)指定交叉验证选择使用一个或多个下列名称的参数除了任何输入参数组合在前面的语法。例如,您可以指定“KFold”, 10使用10倍交叉验证方案。
“KFold”, 10
“CrossVal”,指定为“上”(默认)或“关闭”交叉验证标志。如果您指定“上”,那么应用程序使用5倍交叉验证。如果您指定“关闭”,那么应用程序使用resubstitution验证。
“CrossVal”
“上”
“关闭”
你可以覆盖“CrossVal”通过使用交叉验证设置“坚持”或“KFold”名称-值参数。您可以指定这些参数中只有一个。
“坚持”
“KFold”
“坚持”,指定为一个数字标量范围内(0.05,0.5),数据的一部分用于抵抗验证。这个应用程序使用剩余的数据进行训练。
“KFold”指定为一个正整数,范围50[2],是折叠的数量使用交叉验证。
分类学习者不支持模型部署金宝appMATLAB生产服务器™在MATLAB在线。
fitctree
fitcdiscr
fitcsvm
fitcecoc
fitcknn
fitckernel
fitcensemble
fitcnet
fitglm
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano金宝app comandi MATLAB。
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室