神经网络
用于二类和多类分类的神经网络
神经网络模型由一系列反映大脑处理信息方式的层构成。Statistics and Machine Learning Toolbox™ 中提供的神经网络分类器是完全连接的前馈神经网络,您可以调整全连接层的大小并更改层的激活函数。
要训练神经网络分类模型,请使用分类学习器。为了获得更大的灵活性,请在命令行界面中使用 fitcnet
来训练神经网络分类器。经过训练后,您可以通过将模型和新预测变量数据传递给 predict
来对新数据进行分类。
如果您要创建更复杂的深度学习网络并拥有 Deep Learning Toolbox™,您可以尝试深度网络设计器 (Deep Learning Toolbox)。
App
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 |
模块
ClassificationNeuralNetwork Predict | Classify observations using neural network classification model (自 R2021b 起) |
函数
对象
ClassificationNeuralNetwork | Neural network model for classification (自 R2021a 起) |
CompactClassificationNeuralNetwork | Compact neural network model for classification (自 R2021a 起) |
ClassificationPartitionedModel | Cross-validated classification model |
主题
- Assess Neural Network Classifier Performance
Use
fitcnet
to create a feedforward neural network classifier with fully connected layers, and assess the performance of the model on test data. - Train Neural Network Classifiers Using Classification Learner App
Create and compare neural network classifiers, and export trained models to make predictions for new data.
- Compress Machine Learning Model for Memory-Limited Hardware
Reduce model size by feature selection, constrained Bayesian optimization, and parameter quantization.