이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
분류앙상블
분류앙상블분류의가중조합구성예측모델입니다입니다。일반적,여러분류을하면성능높아집니다높아집니다높아집니다。
분류앙상블대화형방식으로살펴보려면분류학습기앱을 사용하십시오. 명령줄 인터페이스에서FitCensemble
을사용분류를부스팅배깅하거나랜덤포레스트[12]를성장유연성높일있습니다있습니다。지원되는앙상블에대한은은Ensemble Algorithms항목을 참조하십시오. 다중클래스 문제를 이진 분류 문제 앙상블로 줄이려면 오류 수정 출력 코드(ECOC) 모델을 훈련시키십시오. 자세한 내용은fitcecoc
를 참조하십시오.
앱
분류학습기 | 머신러닝 지도 학습을 사용하여 데이터를 분류하도록 모델 훈련시키기 |
블록
分类安排预测 | Classify observations using ensemble of decision trees |
함수
클래스
도움말 항목
- 使用分类学习者应用程序训练合奏分类器
创建和比较合奏分类器和导出训练有素的模型以对新数据进行预测。
- 合奏学习框架
通过使用许多弱学习者获得高度准确的预测。
- Ensemble Algorithms
了解合奏学习的不同算法。
- 火车分类合奏
Train a simple classification ensemble.
- Test Ensemble Quality
学习评估合奏的预测质量的方法。
- 处理分类合奏中的数据不平衡的数据或不平等的错误分类成本
Learn how to set prior class probabilities and misclassification costs.
- Classification with Imbalanced Data
当您的数据中一个或多个类代表时,请使用Rusboost算法进行分类。
- LPBoost and TotalBoost for Small Ensembles
使用LPBoost和TotalBoost算法创建小合奏。(LPBoost和TotalBoost需要优化工具箱™。)
- 曲调稳健
调整鲁棒启动参数,以提高预测精度。(鲁棒Boost需要优化工具箱。)
- Surrogate Splits
Gain better predictions when you have missing data by using surrogate splits.
- 火车分类合奏in Parallel
训练可再生产地并行袋装合奏。
- 使用TreeBagger的分类树的引导程序聚合(包袋)
创建一个
treebagger
ensemble for classification. - 决策树的信用评级
此示例显示了如何构建自动信用评级工具。
- 随机子空间分类
Increase the accuracy of classification by using a random subspace ensemble.
- Predict Class Labels Using ClassificationEnsemble Predict Block
Train a classification ensemble model with optimal hyperparameters, and then use the分类安排预测标签预测的块。