分类

• 分类学习者应用
  交互式地训练、验证和调优分类模型
  
• 分类树
  用于多类学习的二叉决策树
  
• 判别分析
  正则化线性和二次判别分析
  
• 朴素贝叶斯
  朴素贝叶斯模型与高斯，多项，或核预测器
  
• 最近的邻居
  k最近邻分类Kd树搜索
  
• 金宝app支持向量机分类
  金宝app支持向量机二分类或多分类
  
• 分类集合体
  用于多类学习的Boosting、random forest、bagging、random subspace和ECOC集成
  
• 广义加性模型
  由单变量和双变量形状函数组成的可解释模型，用于二值分类
  
• 神经网络
  用于二分类和多分类的神经网络
  
• 增量学习
  对流数据拟合分类模型并跟踪其性能
  
• 分类的半监督学习
  基于图和自我训练的半监督学习方法
  
• 可解释性
  训练可解释分类模型和解释复杂分类模型
  
• 模型建立与评估
  特征选择、特征工程、模型选择、超参数优化、交叉验证、预测性能评价、分类准确率对比测试
  

特色的例子

使用贝叶斯优化的自动分类器选择

使用fitcauto在给定训练预测器和反应数据的情况下，自动尝试选择具有不同超参数值的分类模型类型。

打开生活的脚本

使用贝叶斯优化走向自动化模型选择

建立多个分类模型，优化其超参数，并选择在测试数据集上表现最好的模型。

打开生活的脚本

将异构模型组合成堆叠集成

为一个给定的训练数据集建立多个机器学习模型，然后使用一种称为叠加的技术将这些模型组合起来，以提高测试数据集的准确性，相比于单个模型的准确性。

打开生活的脚本

分类

使用判别分析、朴素贝叶斯分类器和决策树进行分类。

打开脚本

基于Bagging决策树的信用评级

构建一个自动信用评级工具。

打开脚本