Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Conjuntos de Clasificación

Impulso, bosque aleatorio, embolsado, subespacio aleatorio, y conjuntos ECOC para el aprendizaje multiclase

Un conjunto de clasificación es un modelo predictivo compuesto por una combinación ponderada de varios modelos de clasificación. En general, la combinación de varios modelos de clasificación aumenta el rendimiento predictivo.

Para explorar conjuntos de clasificación de forma interactiva, utilice la aplicación.Aprendiz de Clasificación Para una mayor flexibilidad, utilice en la interfaz de línea de comandos para aumentar o embolsar árboles de clasificación, o para cultivar un bosque aleatorio.fitcensemble[11] Para obtener más información sobre todos los conjuntos compatibles, consulte .Ensemble Algorithms Para reducir un problema multiclase en un conjunto de problemas de clasificación binaria, entrene un modelo de códigos de salida de corrección de errores (ECOC). Para obtener más información, consulte .fitcecoc

Para aumentar los árboles de regresión mediante LSBoost o para hacer crecer un bosque aleatorio de árboles de regresión, consulte .[11]Ensambles de regresión

Apps

	Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado
Aprendiz de Clasificación	Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado

Funciones

expandir todo

Crear plantilla de alumno

`templateDiscriminant`	Discriminant analysis classifier template
`templateECOC`	Error-correcting output codes learner template
`templateEnsemble`	Ensemble learning template
`templateKNN`	k-nearest neighbor classifier template
`templateLinear`	Linear classification learner template
`templateNaiveBayes`	Naive Bayes classifier template
`templateSVM`	Support vector machine template
`templateTree`	Create decision tree template

Conjunto de Clasificación

`fitcensemble`	Fit ensemble of learners for classification
`predict`	Classify observations using ensemble of classification models
`oobPredict`	Predict out-of-bag response of ensemble

Arboles de clasificación embolsados

`TreeBagger`	Crear bolsa de árboles de decisión
`fitcensemble`	Fit ensemble of learners for classification
`predict`	Predict responses using ensemble of bagged decision trees
`oobPredict`	Ensemble predictions for out-of-bag observations

ECOC multiclase

`fitcecoc`	Ajustar modelos multiclase para máquinas vectoriales de soporte u otros clasificadores
`templateSVM`	Support vector machine template
`predict`	Classify observations using multiclass error-correcting output codes (ECOC) model

Clases

expandir todo

Conjunto de Clasificación

`ClassificationEnsemble`	Ensemble classifier
`CompactClassificationEnsemble`	Compact classification ensemble class
`ClassificationPartitionedEnsemble`	Cross-validated classification ensemble

Arboles de clasificación embolsados

`TreeBagger`	Bag of decision trees
	Compact ensemble of decision trees grown by bootstrap aggregation
`ClassificationBaggedEnsemble`	Classification ensemble grown by resampling
`CompactTreeBagger`	Compact ensemble of decision trees grown by bootstrap aggregation

ECOC multiclase

`ClassificationECOC`	Multiclass model for support vector machines (SVMs) and other classifiers
`CompactClassificationECOC`	Compact multiclass model for support vector machines (SVMs) and other classifiers
`ClassificationPartitionedECOC`	Cross-validated multiclass ECOC model for support vector machines (SVMs) and other classifiers