• 文档
main content

使用有监督的机器学习训练模型以对数据进行分类 -凯发k8网页登录

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、核逼近、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（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™

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。

示例

编程用途

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。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。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。y 包含的唯一类标签不能超过 500 个。

classificationlearner(___,name,value) 可在前面语法中的任意输入参数组合外使用下列一个或多个名称-值参数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" 或 "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 参数（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

网站地图