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。

判別分析

正規化された線形および 2 次判別分析

対話的に判別分析モデルに学習をさせるには、分類学習器アプリを使用します。柔軟性を向上させるためには、コマンド ライン インターフェイスで fitcdiscr を使用して判別分析モデルに学習させます。学習後に、モデルと予測子データを predict に渡してラベルを予測するか事後確率を推定します。

アプリ

分類学習器教師あり機械学習を使用して、データを分類するようにモデルを学習させる

関数

すべて展開する

fitcdiscr判別分析分類器の近似
makecdiscrパラメーターから判別分析分類器を構築する
compactコンパクトな判別分析分類器
cvshrink線形判別の正則化の交差検証
crossval判別分析分類器の交差検証
kfoldEdge学習で使用しない観測値の分類エッジ
kfoldLoss学習で使用しない観測の分類損失
kfoldfun交差検証関数
kfoldMargin学習で使用しない観測の分類マージン
kfoldPredict学習で使用しない観測の予測応答
loss分類誤差
resubLoss再代入による分類誤差
logP判別分析分類器の対数条件なし確率密度
mahalクラスの平均に対するマハラノビス距離
nLinearCoeffs非ゼロの線形係数の数
compareHoldout新しいデータを使用して 2 つの分類モデルの精度を比較
edge分類エッジ
margin分類マージン
resubEdge再代入による分類エッジ
resubMargin再代入による分類マージン
predict判別分析分類モデルの使用によるラベルの予測
resubPredict分類器の再代入応答の予測
classify判別分析

クラス

ClassificationDiscriminant判別分析による分類
CompactClassificationDiscriminantコンパクトな判別分析クラス
ClassificationPartitionedModel交差検証分類モデル

トピック

分類学習器アプリを使用した判別分析分類器の学習

判別分析分類器を作成および比較し、新しいデータについて予測を行うため学習済みモデルをエクスポートします。

教師あり学習のワークフローとアルゴリズム

教師あり学習の手順とノンパラメトリック分類および回帰関数の特性を理解します。

パラメトリックな分類

カテゴリカル応答データ

判別分析分類

判別分析アルゴリズムについて、および判別分析モデルをデータにあてはめる方法について理解します。

判別分析モデルの作成

判別分析分類器の構築に使用されるアルゴリズムについて理解します。

判別分析分類器の作成と可視化

フィッシャーのアヤメのデータに対して線形分類と 2 次分類を実行します。

判別分析モデルの改善

判別分析モデルの性能を確認および改善します。

判別分析分類器の正則化

モデルの予測力を損なわずに予測子を削除して、よりロバストで簡潔なモデルを作成します。

混合ガウス仮定の確認

判別分析では、データが混合ガウス モデルに従っていると仮定します。この仮定を確認する方法について理解します。

判別分析モデルの使用による予測

判別分析モデルを使用して predict で観測値を分類する方法について理解します。

各種分類器の決定面の可視化

この例では、各種の分類アルゴリズムについて決定面を可視化する方法を示します。