Main Content

本页的翻译已过时。点击此处可查看最新英文版本。

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

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,训练模型和评估结果。您可以执行自动训练来搜索最佳分类模型类型,包括决策树、判别分析、支持向量机、逻辑回归、最近邻、朴素贝叶斯、集成和神经网络分类。

您可以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(例如标签或类)来执行有监督的机器学习。您可以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。要将模型与新数据结合使用或要了解编程式分类,您可以将模型导出到工作区或生成 MATLAB® 代码来重新创建经过训练的模型。

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™

注意:当您在 MATLAB Online™ 中使用分类学习器时,您可以使用云中心集群并行训练模型(需要 Parallel Computing Toolbox™)。有关详细信息,请参阅Use Parallel Computing Toolbox with Cloud Center Cluster in MATLAB Online (Parallel Computing Toolbox)

Classification Learner app

打开 分类学习器 App

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

  • MATLAB 命令提示符:输入 classificationLearner

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“从参数新建会话”对话框。指定为字符向量或字符串标量的 ResponseVarName 参数是 Tbl 中包含类标签的响应变量的名称。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“从参数新建会话”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。

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“来自参数的新会话”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。

classificationLearner(___,Name,Value) 使用一个或多个名称-值参数以及上述语法中的任何输入参数组合来指定交叉验证选项。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''KFold' 名称-值参数来覆盖 'CrossVal' 交叉验证设置。一次只能指定其中一个参数。

  • '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 使用其余数据进行训练。

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

在 R2015a 中推出