고품질예측분류모델을개발하는경우적합한특징(또는예측변수)을선택하고하이퍼파라미터(추정되지않은모델모수)를조율해야합니다。

특징선택과하이퍼파라미터조율을통해여러모델이생성될수있습니다。모델간k겹오분류율,中华民国(수신자조작특성)곡선또는혼동행렬을비교할수있습니다。또는,통계검정을수행하여어떠한분류모델이다른모델보다성능이훨씬더뛰어난지여부를파악할수있습니다。

분류모델을훈련시키기전에새로운특징을가공및처리하려면gencfeatures를사용하십시오。

분류모델을대화형방식으로만들고평가하려면분류학습기앱을사용하십시오。

조정된하이퍼파라미터를가진모델을자동으로선택하려면fitcauto를사용하십시오。이함수는다양한하이퍼파라미터값으로분류모델유형을선택해보고새데이터에서잘수행될것으로예상되는최종모델을반환합니다。어떤분류기유형이데이터에가장적합한지확신하지못할경우fitcauto를사용하십시오。

특정모델의하이퍼파라미터를조율하려면하이퍼파라미터값을선택하고이들값을사용하여모델을교차검증하십시오。예를들어,SVM모델을조정하려면상자제약조건과커널스케일의집합을선택하고,값의쌍각각에대해모델을교차검증하십시오。统计和机器学习工具箱™에서제공되는특정분류함수는베이즈최적화,그리드탐색또는임의탐색을통해자동하이퍼파라미터조율기능을제공합니다。베이즈최적화를구현하는메함수bayesopt는여러다른응용사례에사용할수있을정도로유연합니다。贝叶斯优化流程항목을참조하십시오。

분류모델을해석하려면石灰，沙普利또는plotPartialDependence를사용할수있습니다。