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。

最近傍

Kd 木探索を使用する k 最近傍分類

k 最近傍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 fitcknn を使用して k 最近傍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

fitcknnk 最近傍分類器の近似
ExhaustiveSearcher網羅的最近傍探索モデルの作成
KDTreeSearcherKd 木最近傍探索モデルを作成
createns最近傍探索モデル オブジェクトの作成
crossval交差検証済み k 最近傍分類器
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
lossk 最近傍分類器の損失
resubLoss再代入による k 最近傍分類器の損失
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
edgek 最近傍分類器のエッジ
margink 最近傍分類器のマージン
resubEdge再代入による k 最近傍分類器のエッジ
resubMargin再代入による k 最近傍分類器のマージン
predictk 最近傍分類モデルの使用によるラベルの予測
resubPredictk 最近傍分類器の再代入ラベルを予測
pdist観測値ペア間のペアワイズ距離
pdist2観測値の 2 つの集合間のペアワイズ距離

オブジェクト

すべて展開する

ClassificationKNNk 最近傍分類
ClassificationPartitionedModel交差検証分類モデル

トピック

分類学習器を使用した最近傍分類器の学習

最近傍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。

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。

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。

最近傍点を使用した分類

さまざまな距離計量を使用して、学習データセット内の点への距離に基づいてデータ点を分類します。

関連情報