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。

分類

バイナリ問題とマルチクラス問題のための教師あり学習アルゴリズム

分類は、ラベルが付けられたデータの例から新しい観測値の分類方法をアルゴリズムが "学習" する、ある種の教師あり機械学習です。対話的に分類モデルを調べるには、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、コマンド ライン インターフェイスで予測子または特徴データを対応する応答またはラベルとともにアルゴリズム近似関数に渡すことができます。

ロジスティック回帰、回帰木、ガウス過程回帰、サポート ベクター回帰などの回帰モデルを学習させる方法については、回帰を参照してください。

  • 分類学習器アプリ
    分類モデルの対話的な学習、検定、調整
  • 分類木
    マルチクラス学習用の二分決定木
  • 判別分析
    正規化された線形および 2 次判別分析
  • 単純ベイズ
    ガウス、多項またはカーネル予測子がある単純ベイズ モデル
  • 最近傍
    Kd 木探索を使用する k 最近傍分類
  • サポート ベクター マシン分類
    バイナリまたはマルチクラス分類用のサポート ベクター マシン
  • アンサンブル分類
    マルチクラス学習用のブースティング、ランダム フォレスト、バギング、ランダム部分空間および ECOC のアンサンブル
  • モデルの作成と評価
    特徴選択、ハイパーパラメーターの最適化、交差検証、予測性能の評価、分類精度の比較検定