matlab软件
电脑
自动分类器培训您可以使用分类学习器在数据上自动训练选择的不同分类模型。通过一次自动训练多个模型来上手。您可以快速尝试选择模型，然后以交互方式探索有希望的模型。如果您已经知道要使用的分类器类型，请改为训练各个分类器。请参阅手动分类器培训。
1、在“ 应用程序”选项卡上的“ 机器学习”组中，单击“ 分类学习器”。
2、单击“ 新建会话”，然后从工作区或文件中选择数据。指定一个响应变量和用作预测变量的变量。请参阅选择数据并验证分类问题。
3、在“ 分类学习器”选项卡上的“ 模型类型”部分中，单击“ 所有快速训练”。此选项将训练可快速拟合到您的数据集的所有可用模型预设。
4、点击训练在“历史记录”列表中将显示一系列模型类型。当他们完成训练时，最佳百分比准确率得分会在框中突出显示。
5、单击历史记录列表中的模型以浏览图中的结果。
6、有关后续步骤，请参阅手动分类器培训 或比较和改进分类模型。要尝试可用于您的数据集的所有不可优化分类器模型预设，请单击全部，然后单击 训练。
手动分类器培训如果要浏览单个模型类型，或者已经知道想要的分类器类型，则可以一次训练一个分类器，也可以训练一组相同类型的分类器。
1、选择一个分类器。在分类学习器 选项卡上的模型类型部分中，单击分类器类型。要查看所有可用的分类器选项，请单击“ 模型类型”部分最右边的箭头以展开分类器列表。“ 模型类型”库中的不可优化模型选项是具有不同设置的预设起点，适用于一系列不同的分类问题。要阅读每个分类器的描述，请切换到详细信息视图。 有关每个选项的更多信息，请参阅选择分类器选项。
2、有关每个选项的更多信息，请参阅选择分类器选项。
3、如果要尝试使用相同或不同类型的所有不可优化模型，请在“ 模型类型”库中选择“ 所有”选项之一 。或者，如果要自动调整特定模型类型的超参数，请选择相应的“可 优化”模型并执行超参数优化。有关更多信息，请参阅分类学习器应用程序中的超参数优化。有关后续步骤，请参阅比较和改进分类模型。
并行分类器培训如果您具有Parallel Computing Toolbox，则可以使用分类学习器并行训练模型。训练分类器时，除非您关闭默认的并行首选项“ 自动创建并行池”，否则应用程序将自动启动并行工作 池。如果池已经打开，则应用程序将其用于训练。并行训练允许您一次训练多个分类器并继续工作。
1、首次单击“ 训练”时，在应用程序打开并行工作人员池时会看到一个对话框。池打开后，您可以一次训练多个分类器。
2、当分类器并行训练时，您会在历史记录列表中看到每个训练和排队模型的进度指示器，并且可以根据需要取消单个模型。在训练期间，您可以检查模型的结果和图，并开始训练更多的分类器。 要控制并行训练，请切换 应用工具栏中的“ 使用并行”按钮。仅当您具有并行计算工具箱时，“ 使用并行”按钮才可用。
如果您具有并行计算工具箱，那么分类学习器中将提供并行训练，并且您无需设置UseParallel该statset功能的选项 。如果您将并行首选项关闭为自动创建并行池，那么应用程序将不会为您启动池，除非先询问。
比较和改进分类模型1、单击历史记录列表中的模型以浏览图中的结果。通过检查散点图和混淆矩阵中的结果来比较模型性能。检查历史记录列表中报告的每个模型的百分比准确性。请参阅在分类学习器中评估分类器性能。
2、在历史记录列表中选择最佳模型，然后尝试在模型中包括和排除其他功能。单击功能选择。尝试使用平行坐标图来帮助您确定要删除的特征。看看您是否可以通过删除低预测能力的功能来改善模型。指定要包含在模型中的预测变量，并使用新选项训练新模型。比较历史记录列表中各个模型的结果。 您也可以尝试使用PCA变换特征以降低尺寸。
3、为了进一步改善模型，您可以尝试在“高级”对话框中更改分类器参数设置，然后使用新选项进行训练。要了解如何控制模型的灵活性，请参阅选择分类器选项。有关如何自动调整模型参数设置的信息，请参阅分类学习器应用程序中的超参数 优化。
4、如果功能选择，PCA或新参数设置改善了模型，请尝试使用新设置训练所有模型类型。查看其他模型类型在新设置下是否更好。小费
该图显示了具有包含各种分类器类型的历史记录列表的应用程序。