일반워크플로

분류분류학습기앱에서에서분류모델훈련훈련

자동화된훈련，수동훈련，병렬훈련등분류모델을훈련시키고비교하고향상시킬수있는워크플로입니다。

选择数据和验证分类问题

将数据从工作区或文件导入分类学习者，查找示例数据集，然后选择交叉验证或保留验证选项。

选择分类器选项

在分类学习者中，自动培训各种型号，或比较和调整决策树的选项，判别分析，逻辑回归，天真贝叶斯，支持向量机，最近的邻居，集合和神经网络模型。金宝app

评估分类学习者中的分类器性能

比较模型精度分数，通过绘制类预测来可视化结果，并在混淆矩阵中检查每个类的性能。

导出分类模型以预测新数据

在分类学习者培训后，将模型导出到工作区，生成MATLAB^®代码，或生成用于预测的C代码。

使用分类学习者APP列车决策树

创建和比较分类树，并导出培训的模型来对新数据进行预测。

使用分类学习者APP列车判别分析分类器

创建和比较判别分析分类器，并导出培训的模型来对新数据进行预测。

使用分类学习者应用程序列车物流回归分类器

创建和比较逻辑回归分类器，并导出培训的模型来对新数据进行预测。

使用分类学习者App列车天真贝叶斯分类器

创建和比较Naive Bayes Classifiers，并导出训练有素的模型来对新数据进行预测。

火车支持矢量金宝app机器使用分类学习者应用程序

创建和比较支持向量机（SVM）分类器，金宝app以及导出培训的模型，以便对新数据进行预测。

使用分类学习者应用程序列车最近的邻邻分类器

创建和比较最近的邻邻分类器，并导出培训的模型来对新数据进行预测。

使用分类学习者应用程序列车集合分类器

创建和比较集合分类器，并导出培训的模型，以便对新数据进行预测。

使用方法

使用分类学习者应用选择和功能转换

使用绘图识别有用的预测器，手动选择要包含的功能和使用PCA在分类学习者中使用PCA的功能。

分类学习者应用中的错误分类费用

在培训任何分类模型之前，请指定与错误分类一个类的观察相关的成本进入另一级。

使用分类学习者应用程序使用错误分类成本的火车和比较分类器

在指定错误分类成本后创建分类器，并比较模型的准确性和总错误分类成本。

分类学习者应用中的HyperParameter优化

通过使用HyperParameter优化自动调整分类模型的超级参数。

在分类学习者应用中使用HyperParameter优化的火车分类器

使用优化的超参数列车分类支持向量机（SVM）模金宝app型。

在分类学习者应用程序中导出地块

导出和定制培训前后创建的地块。

代码生成和分类学习者应用程序

使用分类学习者应用程序列车分类模型，并为预测生成C / C ++代码。