アンサンブル分类
アンサンブル分类重み付けた复数の分类のから构成さされる予测予测モデルモデルですですです。。一般,,复数复数ののの分类分类分类モデルモデルを
対话的分类アンサンブル调べるには,分类学习器アプリをます。性を向上せるには,コマンドラインインターフェイスでFitCensemble
を使用て木をブースティングまたはするか,ランダムフォレスト[12]を成长ます。されるすべてアンサンブルののはは,アンサンブルアルゴリズムを参照てマルチクラス问题をバイナリ问题アンサンブルに缩小缩小するするににははは,,(ECOC)モデル(ECOC)モデルモデルモデルモデルモデルモデルfitcecoc
を参照しください。
lsboostを使用てをブースティング方法回帰木のフォレストフォレスト[12]を成长せる方法について,,アンサンブル回帰を参照しください。
アプリ
分类学习器 | 教师ありを使用て,データ分类ようにモデルを学习させる |
ブロック
分类安排预测 | 决定木アンサンブル使用し観测値を分类 |
关数
学习器テンプレートの作成
模板歧义 |
判别分析分类器テンプレート |
TemplateCoc |
误り订正符号学习器のテンプレート |
templateEnsemble |
アンサンブル学习テンプレート |
templateknn |
k最近傍テンプレート |
Templatelinear |
线形分类学习器テンプレート |
TemplatenaiveBayes |
単纯ベイズ分类器テンプレート |
TemplatesVM |
サポートベクターマシンテンプレート |
Templatetree |
决定木テンプレート作成 |
アンサンブル分类
アンサンブル分类の作成
FitCensemble |
アンサンブル学习器分类用に准备 |
袖珍的 |
コンパクトなアンサンブル分类 |
アンサンブル分类の変更
アンサンブル分类の解釈
酸橙 |
局部可解释的模型不足解释(石灰) |
partialdependence |
部分従属の计算 |
情节依赖性 |
部分依存(PDP)およびおよび条件付き(冰)プロットプロット作成作成 |
预测象征 |
决定木アンサンブルに予测子の度推定推定推定 |
沙普利 |
シャープレイ値 |
アンサンブル分类の検证
杂交 |
アンサンブルの交差検证 |
kfoldedge |
交差検证分类モデルのエッジエッジ |
kfoldloss |
交差検证分类モデルの损失损失 |
kfoldmargin |
交差検证分类モデルのマージンマージン |
kfoldpredict |
交差検证分类モデル観测値の分类 |
kfoldfun |
分类で关数の交差検证 |
パフォーマンスの测定
失利 |
分类误差 |
重新公开 |
再代入による误差 |
比较 |
2つしてつつの分类の精度比较比较 |
边缘 |
分类エッジ |
利润 |
分类マージン |
重新组 |
再代入によるエッジ |
repubmargin |
再代入によるマージン |
testckfold |
2つにより反复つの分类モデルのを比较比较 |
観测値の分类
预测 |
分类モデルアンサンブル使用し観测値を分类 |
重新提高 |
分类モデルアンサンブル内観测値を分类 |
OOBPREDICT |
アンサンブルの-b応答応答予测するする |
アンサンブル分类のの收集
收集 |
gpuからの统计和机器学习工具箱オブジェクトのプロパティ收集 |
バギング分类木
treebagger |
决定木の树袋のの作成 |
FitCensemble |
アンサンブル学习器分类用に准备 |
预测 |
バギングさ决定木アンサンブルの使用応答予测予测予测 |
OOBPREDICT |
袋外観测に対する予测予测 |
マルチecoc
ECOCの作成
ECOCの変更
丢弃的向量金宝app |
ecocモデル线形线形线形バイナリバイナリのサポート破弃破弃破弃破弃 |
ECOCの解釈
酸橙 |
局部可解释的模型不足解释(石灰) |
partialdependence |
部分従属の计算 |
情节依赖性 |
部分依存(PDP)およびおよび条件付き(冰)プロットプロット作成作成 |
沙普利 |
シャープレイ値 |
ECOCのの検证
杂交 |
マルチクラス订正符号(ECOC)モデルモデルの検证 |
kfoldedge |
ECOCモデルモデルモデルのエッジエッジエッジ |
kfoldloss |
ECOCモデルモデルモデルの损失损失损失 |
kfoldmargin |
ECOCモデルモデルモデルのマージンマージンマージン |
kfoldpredict |
ECOCモデルモデルモデル観测値分类分类分类 |
kfoldfun |
ECOCモデルモデルモデル使用交差交差关数关数关数 |
パフォーマンスの测定
失利 |
マルチクラス订正符号(ECOC)モデルモデルの损失 |
重新公开 |
マルチクラス订正符号(ECOC)モデルモデル再代入分类损失 |
比较 |
2つしてつつの分类の精度比较比较 |
边缘 |
マルチクラス订正符号(ECOC)モデルモデルのエッジ |
利润 |
マルチクラス订正符号(ECOC)モデルモデルのマージン |
重新组 |
マルチクラス订正符号(ECOC)モデルモデル再代入分类エッジ |
repubmargin |
マルチクラス订正符号(ECOC)モデルモデル再代入分类マージン |
testckfold |
2つにより反复つの分类モデルのを比较比较 |
観测値の分类
ECOCのの收集收集
收集 |
gpuからの统计和机器学习工具箱オブジェクトのプロパティ收集 |
クラス
アンサンブル分类
分类安排 |
アンサンブル分类器 |
紧凑型classificationEnsemble |
コンパクトなアンサンブルのクラス |
分类分类安排 |
交差検证アンサンブル分类 |
バギング分类木
treebagger |
决定木の袋 |
compacttreebagger |
バギングによりさた决定のコンパクトなアンサンブル |
分类袋装 |
リサンプリングによりさせた分类分类 |
マルチecoc
分类 |
サポート(SVM)などなど分类用のモデルモデルモデル |
compactclassificationecoc |
サポートマシン(SVM)などなど分类器のなマルチクラスモデル |
分类部门 |
サポートマシン(SVM)またはまたは他の器向けの交差検证済みマルチマルチクラスクラスクラス |
トピック
- 分类学习器をしたアンサンブル学习器学习学习
アンサンブル分类作成およびし新しいデータ予测をため学习済みモデルモデルをエクスポートエクスポート。。。
- アンサンブル学习のワーク
多数のをすることにより,正确な予测を行い。
- アンサンブルアルゴリズム
さまざまな学习のについて学びます。
- アンサンブル分类学习をさせる
単纯な分类学习をさせ。。
- アンサンブル品质テスト
アンサンブルの品质评価するについて学びます。
- アンサンブル分类不均衡または一様误分类コストの处理
クラスの确率类コストを设定方法について学びます。
- 不均衡データで分类
1つのが比率をデータの场合は,分类分类ににに分类アルゴリズムアルゴリズムアルゴリズムアルゴリズム使用し
- 小さいアンサンブルでlpboostと
lpboostおよびtotalboost totalboostアルゴリズムを使用ててを作成作成。(lpboostとtotal bute total boostに优化工具箱™が)。
- 鲁棒boost
予测精度をためににににののを调整します(鲁棒boostににに优化工具箱)。)。
- 代理分岐
代理分岐し,欠损データある场合予测を向上ささます。
- アンサンブル分类の学习
バギングアンサンブル并列再现性ある学习を行う。
- treebaggerの使用による木ののののののののののののののの
分类用の
treebagger
アンサンブルを作成。 - 决定木のによる格付け
この例は信用格付けツールの方法を示します。
- ランダム部分空间分类
ランダム部分を使用て分类のをささますます。
- 分类安排预测ブロックブロックによるラベル予测予测予测予测
最适なパラメーターで分类モデルのを,,,分类安排预测ブロックを予测に使用。。
matlabコマンド
Matlabコマンドコマンドにするがクリックされまし。。
matlabコマンドコマンドに入力しててください。。。。ブラウザー
您还可以从以下列表中选择一个网站:
如何获得最佳网站性能
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
美洲
- AméricaLatina(Español)
- 加拿大(英语)
- 美国(英语)