本页对应的英文页面已更新，但尚未翻译。 若要查看最新内容，请点击此处访问英文页面。

分类

用于二类问题和多类问题的有监督学习算法

分类是一种有监督的机器学习，在此过程中，算法“学习”如何对带标签的数据示例中的新观测值进行分类。要以交互方式研究分类模型，可以使用 Classification Learner App。为了获得更大的灵活性，您可以在命令行界面中将预测变量或特征数据以及对应的响应或标签传递给算法拟合函数。

要训练回归模型，例如逻辑回归、回归树、高斯过程回归和支持向量回归，请参阅回归。

分类基础知识
  • Classification Learner App
    以交互方式训练、验证和调整分类模型
  • 分类树
    用于多类学习的二叉决策树
  • 判别分析
    正则化线性判别分析和二次判别分析
  • 朴素贝叶斯
    具有高斯预测变量、多项预测变量或核预测变量的朴素贝叶斯模型
  • 最近邻
    使用 Kd 树搜索的 k 最近邻分类
  • 支持向量机分类
    用于二类分类或多类分类的支持向量机
  • 分类集成
    用于进行多类学习的提升、随机森林、装袋、随机子空间和 ECOC 集成
  • 模型的构建和评估
    特征选择、超参数优化、交叉验证、预测性能评估、分类准确性比较检验

特色示例

分类

分类

此示例说明如何使用判别分析、朴素贝叶斯分类器和决策树进行分类。

打开脚本
Credit Rating by Bagging Decision Trees

Credit Rating by Bagging Decision Trees

Build an automated credit rating tool.

打开脚本
Moving Towards Automating Model Selection Using Bayesian Optimization

Moving Towards Automating Model Selection Using Bayesian Optimization

Build multiple classification models, optimize their hyperparameters, and select the model that performs the best on a test data set.

打开实时脚本

Statistics and Machine Learning Toolbox 文档
支持
Mastering Machine Learning: A Step-by-Step Guide with MATLAB

Mastering Machine Learning: A Step-by-Step Guide with MATLAB

Download ebook