문서 도움말센터문서

이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。

최근접이웃

Kd -트리탐색을사용한k최근접이웃분류

k -최근접이웃모델을훈련시키려면분류학습기앱을사용하십시오。명령줄인터페이스에서fitcknn을사용하여k -최근접이웃모델을훈련시키면유연성을높일수있습니다。훈련후에는모델과예측변수데이터를预测에전달하여레이블을예측하거나사후확률을추정합니다。

앱

분류학습기

머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기

함수

최근접이웃모델만들기

fitcknn k -최근접이웃분류기피팅

최근접이웃탐색기만들기

`ExhaustiveSearcher`	创建穷举最近邻搜索器
`KDTreeSearcher`	创建Kd-tree最近邻搜索器
`createns`	创建最近邻搜索器对象

최근접이웃모델해석하기

`石灰`	局部可解释的模型不可知解释(LIME)
`partialDependence`	计算部分依赖
`plotPartialDependence`	创建部分依赖图(PDP)和个人条件期望图(ICE)
`沙普利`	沙普利值

교차검증하기

`crossval`	交叉验证机器学习模型
`kfoldEdge`	交叉验证分类模型的分类边缘
`kfoldLoss`	交叉验证分类模型的分类损失
`kfoldfun`	交叉验证功能进行分类
`kfoldMargin`	交叉验证分类模型的分类裕度
`kfoldPredict`	在交叉验证的分类模型中对观察进行分类

성능측정하기

`损失`	k-最近邻分类器丢失
`resubLoss`	Resubstitution分类损失
`compareHoldout`	使用新数据比较两个分类模型的准确性
`边缘`	k-最近邻分类器的边缘
`保证金`	最近邻分类器的边界
`resubEdge`	Resubstitution分类边缘
`resubMargin`	Resubstitution分类保证金
`testckfold`	通过重复交叉验证比较两种分类模型的准确率

관측값분류하기

`预测`	使用k-最近邻分类模型预测标签
`resubPredict`	使用训练的分类器对训练数据进行分类

최근접이웃모델의속성모으기

`收集`	收集的属性统计和机器学习工具箱对象从GPU

관련함수

`pdist`	관측값쌍간의쌍별(成对)거리
`pdist2`	두관측값세트간의쌍별(成对)거리

객체

최근접이웃분류모델

`ClassificationKNN`	k -최근접이웃분류
`ClassificationPartitionedModel`	旨在分类模型

도움말항목

使用分类学习应用程序训练最近邻分类器

创建和比较最近邻分类器，并导出训练过的模型来预测新数据。

可视化不同分类器的决策曲面

这个例子展示了如何可视化不同分类算法的决策面。

지도학습워크플로와알고리즘

지도학습의단계와비모수적분류및회귀함수의특성을알아봅니다。

최근접이웃을사용한분류

다양한거리측정법을사용하여훈련데이터세트에포함된점까지의거리를기준으로데이터점을분류합니다。

관련정보

使用音高和MFCC识别说话人(音频工具箱)

统计和机器学习工具箱문서

지원

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书