Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

最近傍

k 最近傍分類

k 最近傍モデルに学習させるには、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
limeLocal Interpretable Model-agnostic Explanations (LIME)
partialDependence部分従属の計算
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
shapleyシャープレイ値
crossval機械学習モデルの交差検証
kfoldEdge交差検証済み分類モデルの分類エッジ
kfoldLoss交差検証済み分類モデルの分類損失
kfoldfun分類での関数の交差検証
kfoldMargin交差検証済み分類モデルの分類マージン
kfoldPredict交差検証済み分類モデルの観測値の分類
lossk 最近傍分類器の損失
resubLoss再代入分類損失
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再代入分類エッジ
resubMargin再代入分類マージン
testckfold交差検証の反復により 2 つの分類モデルの精度を比較
predictk 最近傍分類モデルの使用によるラベルの予測
resubPredict学習済み分類器を使用した学習データの分類
gatherGPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集
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

関連情報