主要内容
判别分析
正则线性和二次判别分析
为了交互式训练判别分析模型，使用分类学习者为了获得更大的灵活性，使用fitcdiscr.在命令行界面。训练完成后，通过传递模型和预测数据来预测标签或估计后验概率预测．
应用程序
| 分类学习者 | 火车模型以使用监督机器学习对数据进行分类 |
功能
类
ClassificationDiscriminant |
判别分析分类 |
CompactClassificationDiscriminant. |
紧凑判别分析类 |
ClassificationPartitionedModel |
交叉验证的分类模型 |
主题
创建和比较判别分析分类器，并导出训练过的模型，对新数据进行预测。
了解监督学习的步骤和非参数分类和回归函数的特征。
分类响应数据
理解判别分析算法以及如何将判别分析模型与数据相匹配。
理解用于构造判别分析分类器的算法。
对Fisher虹膜数据进行线性和二次分类。
检查并改善判别分析模型性能。
在不影响模型预测能力的情况下，通过删除预测器来建立一个更健壮、更简单的模型。
判别分析假设数据来自高斯混合模型。了解如何检验这个假设。
了解如何预测使用判别分析模型进行分类观察。
此示例显示了如何可视化不同分类算法的决策表面。
您还可以从以下列表中选择一个网站：
