ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

ブースティング

AdaBoost、RobustBoost、GentleBoost などを使用した予測の向上

分類集団または回帰集団の学習には、fitensemble を使用します。GentleBoost、LogitBoost および RobustBoost のいずれかのバイナリ分類器メソッドを用いてマルチクラス モデルを構築するには、templateEnsemble を用いて集団テンプレートを構築し、次にテンプレートおよび学習データを fitcecoc に渡します。

MATLAB 関数

fitensemble 分類または回帰のために近似された集団
fitcecoc サポート ベクター マシンまたはその他の分類器向けのマルチクラス モデルの近似
templateEnsemble アンサンブル学習テンプレート
predict 誤り修正出力コード マルチクラス分類のラベルを予測します。

クラス

ClassificationEnsemble 集団分類器
ClassificationPartitionedEnsemble 交差検定分類集団
CompactClassificationEnsemble コンパクトな分類集団のクラス
CompactClassificationECOC サポート ベクター マシンまたはその他の分類器向けのコンパクトなマルチクラス モデル
ClassificationECOC サポート ベクター マシンまたはその他の分類器向けのマルチクラス モデル
ClassificationPartitionedECOC サポート ベクター マシンまたはその他の分類器向けの交差検定されたマルチクラス モデル
RegressionEnsemble 集団回帰
RegressionPartitionedEnsemble 交差検定した回帰集団
CompactRegressionEnsemble コンパクトな回帰集団のクラス
この情報は役に立ちましたか?