분류앙상블

다중클래스학습을위한부스팅,랜덤포레스트,배깅,랜덤부분공간,ECOC앙상블

분류앙상블은여러분류모델의가중조합으로구성된예측모델입니다。일반적으로,여러분류모델을조합하면예측성능이높아집니다。

분류앙상블을대화형방식으로살펴보려면분류학습기앱을사용하십시오。명령줄인터페이스에서fitcensemble을사용하여분류트리를부스팅또는배깅하거나랜덤포레스트［１２］를성장시켜유연성을높일수있습니다。지원되는모든앙상블에대한자세한내용은整体算法항목을참조하십시오。다중클래스문제를이진분류문제앙상블로줄이려면오류수정출력코드(ECOC)모델을훈련시키십시오。자세한내용은fitcecoc를참조하십시오。

LSBoost를사용하여회귀트리를부스팅하거나회귀트리의랜덤포레스트［１２］를성장시키려면회귀앙상블을참조하십시오。

앱

분류학습기

머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기

블록

ClassificationEnsemble预测

使用决策树的集合对观察结果进行分类

함수

모두확장

학습기템플릿만들기

`templateDiscriminant`	判别分析分类器模板
`templateECOC`	错误校正输出代码学习模板
`templateEnsemble`	整体学习模板
`templateKNN`	k-最近邻分类器模板
`templateLinear`	线性分类学习模板
`templateNaiveBayes`	朴素贝叶斯分类器模板
`templateSVM`	金宝app支持向量机模板
`templateTree`	创建决策树模板

분류앙상블

`fitcensemble`	适合学习者的分类集合
`预测`	使用分类模型的集合对观测结果进行分类
`oobPredict`	预测总体的包外响应

배깅분류트리

`TreeBagger`	결정트리의배깅생성하기
`fitcensemble`	适合学习者的分类集合
`预测`	使用袋装决策树预测响应
`oobPredict`	包外观测的集合预测

다중클래스ECOC

`fitcecoc`	서포트벡터머신또는다른분류기에대해다중클래스모델피팅하기
`templateSVM`	金宝app支持向量机模板
`预测`	使用多类纠错输出码(ECOC)模型对观测进行分类

클래스

모두확장

분류앙상블

`ClassificationEnsemble`	集成分类器
`CompactClassificationEnsemble`	紧分类系综类
`ClassificationPartitionedEnsemble`	旨在分类合奏

배깅분류트리

`TreeBagger`	决策树包
`CompactTreeBagger`	由自举聚合生长的决策树的紧凑集成
`ClassificationBaggedEnsemble`	通过重采样生长的分类集成

다중클래스ECOC

`ClassificationECOC`	支持向量机(svm)等分类器的多类模型金宝app
`CompactClassificationECOC`	支持向量机(svm)等分类器的紧凑多类模型金宝app
`ClassificationPartitionedECOC`	支持向量机等分类器的交叉验证多类ECOC模型金宝app