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

Clasificadores de análisis discriminantes de trenes mediante la aplicación de clasificación aprendiz

En este ejemplo se muestra cómo crear clasificadores de análisis discriminantes en la aplicación de clasificación de aprendizaje, mediante el conjunto de datos.fisheriris Puede utilizar el análisis discriminante con dos o más clases en el aprendizaje de clasificación.

  1. En, cargue el conjunto de datos.MATLAB®fisheriris

    fishertable = readtable('fisheriris.csv');
  2. En la pestaña, en el grupo, haga clic en.AppsMachine LearningClassification Learner

  3. En la pestaña, en la sección, haga clic en.El alumno de clasificaciónFileNew Session

    En el cuadro de diálogo nueva sesión, observe que la aplicación ha seleccionado variables de respuesta y predictor en función de su tipo de datos. El pétalo y la longitud y el ancho del sépalo son predictores, y la especie es la respuesta que desea clasificar. Para este ejemplo, no cambie las selecciones.

  4. Haga clic.Start Session

    El alumno de clasificación crea un gráfico de dispersión de los datos.

  5. Utilice el gráfico de dispersión para visualizar qué variables son útiles para predecir la respuesta. Seleccione diferentes variables en los controles del eje X e y. Observe qué variables separan las clases con más claridad.

  6. Para entrenar los clasificadores de análisis discriminantes, en la pestaña, en la sección, haga clic en la flecha hacia abajo para expandir la lista de clasificadores y, a continuación, haga clic en.El alumno de clasificaciónModel TypeAnálisis discriminanteAll Discriminants

    A continuación, haga clicTrain.

    Sugerencia

    Si tiene la primera vez que haga clic, verá un cuadro de diálogo mientras la aplicación abre un grupo paralelo de trabajadores.Parallel Computing Toolbox™Train Después de que se abra el grupo, puede entrenar varios clasificadores a la vez y continuar trabajando.

    El alumno de clasificación entrena una de cada opción de clasificación en la galería, discriminantes lineales y cuadráticos, y resalta la mejor puntuación. La aplicación delinea en una caja la puntuación del mejor modelo.Accuracy

  7. Seleccione un modelo en la lista historial para ver los resultados. Examine el diagrama de dispersión para el modelo entrenado e intente trazar diferentes predictores. Los puntos clasificados erróneamente se muestran como una X.

  8. Para inspeccionar la precisión de las predicciones en cada clase, en la pestaña, en la sección, haga clic en.El alumno de clasificaciónPlotsConfusion Matrix Ver la matriz de la clase verdadera y los resultados de la clase pronosticada.

  9. Seleccione el otro modelo de la lista para comparar.

    Para obtener información sobre los puntos fuertes de los diferentes tipos de modelos, consulte.Análisis discriminante

  10. Elija el mejor modelo en la lista de historial (la mejor puntuación se resalta en un cuadro). Para mejorar el modelo, intente incluir diferentes características en el modelo. Vea si puede mejorar el modelo eliminando características con baja potencia predictiva.

    En la pestaña, en la sección, haga clic en.El alumno de clasificaciónFeaturesFeature Selection En el cuadro de diálogo Selección de características, especifique los predictores que desea eliminar del modelo y haga clic para entrenar un nuevo modelo con las nuevas opciones.Train Compare los resultados entre los clasificadores en la lista historial.

  11. Para investigar las entidades que se incluirán o excluirán, utilice el trazado de coordenadas paralelas. En la pestaña, en la sección, seleccione.El alumno de clasificaciónPlotsParallel Coordinates Plot

  12. Elija el mejor modelo en la lista historial. Para intentar mejorar aún más el modelo, pruebe a cambiar la configuración del clasificador. En la pestaña, en la sección, haga clic en.Classification LearnerModel TypeAdvanced Intente cambiar una configuración y, a continuación, entrenar el nuevo modelo haciendo clic.Train Para obtener información sobre la configuración, consulte.Análisis discriminante

  13. Para exportar el modelo entrenado al área de trabajo, seleccione la ficha aprendizaje de clasificación y haga clic en.Export model Ver.Modelo de clasificación de exportación para predecir nuevos datos

  14. Para examinar el código para entrenar este clasificador, haga clic en.Generate Function

Utilice el mismo flujo de trabajo para evaluar y comparar los otros tipos de clasificador que puede entrenar en el aprendizaje de clasificación.

Para probar todos los ajustes preestablecidos del modelo de clasificador disponibles para el conjunto de datos:

  1. Haga clic en la flecha situada en el extremo derecho de la sección para expandir la lista de clasificadores.Model Type

  2. Haga clic y haga clic.AllTrain

Para obtener información sobre otros tipos de clasificadores, consulte.Modelos de clasificación de trenes en la aplicación clasificación aprendiz

Temas relacionados