分类学习器

使用有监督的机器学习训练模型以对数据进行分类

全页展开

说明

分类学习器会训练模型，以对数据进行分类。使用此 App，您可以使用各种分类器来探索有监督机器学习。您可以探查数据、选择特征、指定验证方案、训练模型和优化超参数、评估结果以及调查特定预测变量如何影响模型预测。执行自动训练以搜索最佳分类模型类型，包括决策树、判别分析模型、支持向量机、逻辑回归模型、最近邻、朴素贝叶斯模型、核逼近模型、集成模型和神经网络分类模型。要比较模型，请使用度量结果表并在 App 中查看结果图。

通过提供一组已知的输入数据（观测值或示例）和对数据的已知响应（标签或类）来执行有监督机器学习。使用这些数据来训练模型，该模型可以为对新数据的响应生成预测。然后，您可以使用测试数据集来检查模型性能。要了解模型如何使用预测变量进行预测，请使用全局和局部可解释性工具，如部分依赖图、LIME 值和夏普利值。

要将经过训练的模型与新数据结合使用，您可以将模型导出到工作区 Simulink® 和 MATLAB® Production Server™。您可以生成 MATLAB 代码，在 App 外部重新创建训练模型，并探索模型训练工作流的编程分类和进一步自定义。将模型训练代码导出到试验管理器以执行其他任务，例如更改训练数据、调整超参数搜索范围以及运行自定义训练试验。

提示

要开始使用，请在分类器列表中，尝试用 全部(快速训练) 来训练所选模型。请参阅Automated Classifier Training。

需要的产品

  • MATLAB

  • Statistics and Machine Learning Toolbox™

Classification Learner app

打开 分类学习器 App

  • MATLAB 工具条：在 App 选项卡上的 Machine Learning 下，点击该 App 的图标。

  • MATLAB 命令提示符：输入 classificationLearner。

示例

编程用途

全部展开

classificationLearner 打开分类学习器，或将焦点放在该 App 上（如果该 App 已打开）。

classificationLearner(Tbl,ResponseVarName) 打开分类学习器，并使用表 Tbl 中包含的数据填充“从参量新建会话”对话框。指定为字符向量或字符串标量的 ResponseVarName 参量是 Tbl 中包含类标签的响应变量的名称。响应变量包含的唯一类标签不能超过 500 个。Tbl 中的其余变量是预测变量。

classificationLearner(Tbl,Y) 打开分类学习器，并使用表 Tbl 中的预测变量和向量 Y 中的类标签填充“从参量新建会话”对话框。您可以将响应 Y 指定为分类数组、字符数组、字符串数组、逻辑向量、数值向量或字符向量元胞数组。Y 包含的唯一类标签不能超过 500 个。

classificationLearner(X,Y) 打开分类学习器，并使用向量 Y 中的 n×p 预测变量矩阵 X 和 n 类标签填充“来自参量的新会话”对话框。X 的每行对应一个观测值，每列对应一个变量。Y 的长度和 X 的行数必须相等。Y 包含的唯一类标签不能超过 500 个。

classificationLearner(___,Name,Value) 支持上述语法中的任何输入参量组合，且可使用下列一个或多个名称-值参量指定交叉验证选项。例如，您可以指定 "KFold",10 使用 10 折交叉验证方案。

  • "CrossVal"，指定为 "on"（默认值）或 "off"，是交叉验证标志。如果您指定 "on"，则该 App 使用 5 折交叉验证。如果您指定 "off"，则该 App 将使用再代入验证。

    您可以使用 "Holdout" 或 "KFold" 名称-值参量来覆盖 "CrossVal" 交叉验证设置。一次只能指定其中一个参量。

  • "Holdout"，指定为 [0.05,0.5] 范围内的数值标量，该值是用于留出法验证的数据的比例。该 App 使用其余的数据进行训练（和测试，如果指定的话）。

  • "KFold"（指定为 [2,50] 范围内的正整数）用于交叉验证的折数。

  • "TestDataFraction"（指定为范围 [0,0.5] 中的数值标量）是为测试保留的数据比例。

classificationLearner(filename) 打开分类学习器，其中包含之前在 filename 中保存的会话。filename 参量（指定为字符向量或字符串标量）必须包括分类学习器会话文件的名称和文件路径（如果该文件不在当前文件夹中）。该文件必须具有扩展名 .mat。

限制

  • 分类学习器不支持将模型部署到 MATLAB Production Server 中的 MATLAB Online™。

版本历史记录

在 R2015a 中推出

另请参阅

App

函数