主要内容

このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。

最近傍

Kd木探索を使用するk最近傍分類

k最近傍モデルに学習をさせるには,分類学習器アプリを使用します。柔軟性を向上させるためには,コマンドラインインターフェイスでfitcknnを使用してk最近傍モデルに学習させます。学習後に,モデルと予測子データを预测に渡してラベルを予測するか事後確率を推定します。

アプリ

分類学習器 教師あり機械学習を使用して,データを分類するようにモデルを学習させる

関数

すべて展開する

fitcknn k最近傍分類器の近似
ExhaustiveSearcher 網羅的最近傍探索モデルの作成
KDTreeSearcher Kd木最近傍探索モデルを作成
createns 最近傍探索モデルオブジェクトの作成
石灰 本地可解释模型不可知解释(LIME)
partialDependence 部分従属の計算
plotPartialDependence 部分依存プロット(PDP)および個別条件付き期待値(ICE)プロットの作成
沙普利 シャープレイ値
crossval 機械学習モデルの交差検証
kfoldEdge 交差検証済み分類モデルの分類エッジ
kfoldLoss 交差検証済み分類モデルの分類損失
kfoldfun 分類での関数の交差検証
kfoldMargin 交差検証済み分類モデルの分類マージン
kfoldPredict 交差検証済み分類モデルの観測値の分類
损失 k最近傍分類器の損失
resubLoss 再代入分類損失
compareHoldout 新しいデータを使用して2つの分類モデルの精度を比較
边缘 k最近傍分類器のエッジ
保证金 k最近傍分類器のマージン
resubEdge 再代入分類エッジ
resubMargin 再代入分類マージン
testckfold 交差検証の反復により2つの分類モデルの精度を比較
预测 k最近傍分類モデルの使用によるラベルの予測
resubPredict 学習済み分類器を使用した学習データの分類
收集 GPUによる機械学習モデルのプロパティの収集
pdist 観測値ペア間のペアワイズ距離
pdist2 観測値の2つの集合間のペアワイズ距離

オブジェクト

すべて展開する

ClassificationKNN k最近傍分類
ClassificationPartitionedModel 交差検証分類モデル

トピック

分類学習器を使用した最近傍分類器の学習

最近傍分類器を作成および比較し,新しいデータについて予測を行うため学習済みモデルをエクスポートします。

各種分類器の決定面の可視化

この例では,各種の分類アルゴリズムについて決定面を可視化する方法を示します。

教師あり学習のワークフローとアルゴリズム

教師あり学習の手順とノンパラメトリック分類および回帰関数の特性を理解します。

最近傍点を使用した分類

さまざまな距離計量を使用して,学習データセット内の点への距離に基づいてデータ点を分類します。

関連情報