MATLAB自带分类模型APP——classification learner的使用
MATLAB自带分类模型APP——classification learner的使用
MATLAB自带分类模型APP——classification learner的使用MATLAB对常用的机器学习的分类模型做了集合,也就是形成了它自带的classification learner APP,今天简单概述一下该APP的使用步骤。
1、导入数据
在进行APP的使用之前,首先要将待处理的训练数据和预测数据导入MATLAB:
Data=xlsread('C:\Users\Administrator\Documents\MATLAB\name1.xlsx');
% 导入训练集与预测集,一般为m*n矩阵,m代表样本数,前n-1代表特征属性,最后一列代表标签
2、打开APP
点击工具栏选项中的APP,找到 classification learner ,点击打开APP,然后会出现APP界面如下图所示:
导入数据
点击左上角加号(New Session),选择From Workspace,上一步导入到工作空间的数据将会导入到APP中,默认前n-1列为特征属性,第n列为标签,当然也可手动点击每一列设置其为标签或者特征值,只需找到该列右键单击选择即可。在右侧为模型的验证方式,包括交叉验证(Cross-validation)和Holdout 验证(Holdout validation),交叉验证随机的将数据分成k份,其中k-1份用于训练,第k份为验证集,交替轮换共进行k次训练与验证,最终取k次验证结果的平均值作为衡量模型准确性的指标;而Holdout 验证则是随机的将数据集分为训练部分和验证部分进行建模,通常选用交叉验证作为验证方式。下面的滑动条代表的则是k值,这里选择k=5。
设置好之后,点击Start Session即可。
工具栏功能
在点击Start Session后,工具栏图标变亮,显示可用,在这里工具栏主要有三个功能,分别为数据预处理工具栏、分类模型算法工具栏、模型预测结果评估工具栏。
数据预处理工具栏
主要为PCA降维,降维方式有两种,一种是基于降维后特征分数达到原来数据的一定值,这种方式可以保证数据保留想要的特征精度,但降维后的维数不确定,另一种方式是将降维后的主成分数确定,从而将原数据降到特定的维数,这种方式的缺点是无法保证降维后数据维数的得分数能保留到想要的精度。
分类模型算法工具栏
该工具类整合了大多数的分类预测模型,包括决策树模型(Decision Trees),判别分析模型(Discriminant Analysis),逻辑回归模型(Logistic regression classifiers),支持向量机模型(SVM),k临近模型(kNN),需要使用哪个模型只需要单击该模型,模型载入待处理空间,显示Draft状态。
模型预测结果评估工具栏
这里主要利用混淆矩阵和ROC曲线对预测结果进行评估显示。
3、利用SVM和判别分析算法进行模型的构建与预测
(1)展开分类模型算法工具栏,点击线性判别模型(Linear Discriminant)和SVM模型,两者出现在工作栏:
(2)选中一个模型,点击上方工具栏中的Train按钮,模型开始训练建模与预测,当想同时对多个模型进行同步训练建模时,可点击Use Parallel,软件将启动并行计算工具箱,它将分析计算机CPU核数,并启动与核数相等的MATLAB的引擎进行计算。
预测模型的准确度显示在模型的右上角:
可以看出SVM模型预测准确度高达98.3%,可以很好地对数据进行预测,而线性判别的预测准确度则远远低于SVM。
(3)结果评估
点击混淆矩阵按钮,则会自动生成混淆矩阵的表达图,右侧工具栏可进行显示模式的设置。
点击ROC曲线按钮,则会显示模型的ROC曲线。
4、模型导出
点击工具栏中Export Model,可以将模型导出到软件的工作空间中,对新的一组数据进行预测,也可以将模型代码导出到编辑文本中,进行进一步的完善与编辑。
MATLAB自带分类模型APP——classification learner的使用相关推荐
- python使用sklearn中的make_classification函数生成分类模型(classification)需要的仿真数据、使用pandas查看生成数据的特征数据、目标数据
python使用sklearn中的make_classification函数生成分类模型(classification)需要的仿真数据.使用pandas查看生成数据的特征数据(features).目标 ...
- matlab 分类学习工具箱 Classification Learner
转载:https://blog.csdn.net/qq_27914913/article/details/71436838 在matlab中,既有各种分类器的训练函数,比如"fitcsvm& ...
- matlab 分类学习工具箱 Classification Learner的使用及导出其生成的图,混淆矩阵confusion matrix的画法
声明:转自https://blog.csdn.net/qq_27914913/article/details/71436838 https://blog.csdn.net/evil_xue/artic ...
- cox风险回归模型参数估计_信用风险管理:分类模型和超参数调整
cox风险回归模型参数估计 The final part aims to walk you through the process of applying different classificati ...
- 详细讲解分类模型评价指标(混淆矩阵)python示例
前言 1.回归模型(regression): 对于回归模型的评估方法,通常会采用平均绝对误差(MAE).均方误差(MSE).平均绝对百分比误差(MAPE)等方法. 2.聚类模型(clustering) ...
- Matlab自带的分类学习工具箱(SVM、决策树、Knn等分类器)
在matlab中,既有各种分类器的训练函数,比如"fitcsvm",也有图形界面的分类学习工具箱,里面包含SVM.决策树.Knn等各类分类器,使用非常方便.接下来讲讲如何使用. 启 ...
- 基于ResNET50模型进行迁移学习构建中药饮片分类Web App
本文主要介绍如何利用深度学习迁移方法进行中药分类的设计的过程 1.数据采集 大量有效的中药图片是宝贵的资源,采用自己拍照的方式收集非常耗时,可以从借助搜索引擎从网络抓取中药材图片,方法如下 (1)安装 ...
- R使用LSTM模型构建深度学习文本分类模型(Quora Insincere Questions Classification)
R使用LSTM模型构建深度学习文本分类模型(Quora Insincere Questions Classification) Long Short Term 网络-- 一般就叫做 LSTM --是一 ...
- 2022年数模国赛C题(岭回归、区间预测、矩阵热力图、Fisher判别分类模型)——总结心得(附最后一次数模经历,Matlab\SPSS\Lingo的理解综合)
文章目录 一.国赛 二.国赛代码展示 1.1 问题一 1.2 问题二 1.3 问题三 1.4 问题四 三.对于软件的理解 3.1 Matlab 3.1.1 表格的读取 3.1.2 元胞数组的相关函数的 ...
- 基于蝗虫(蚱蜢)优化算法优化的支持向量机分类模型及其MATLAB实现-附代码
基于蝗虫(蚱蜢)优化算法GOA优化的支持向量机分类模型SVM及其MATLAB实现-附代码 文章目录 基于蝗虫(蚱蜢)优化算法GOA优化的支持向量机分类模型SVM及其MATLAB实现-附代码 1. 模型 ...
最新文章
- LeetCode简单题之字符串中的最大奇数
- lvm扩张与收缩小结
- 简明机器学习教程——实践篇(一):从感知机入手
- php把数字转化字符串,php中把数字转化为字符串的方法有哪些?-PHP问题
- django-vue-admin前端设置后台接口地址为127.0.0.1产生跨域问题解决办法
- 源码追踪,解决Could not locate executable null\bin\winutils.exe in the Hadoop binaries.问题
- your ps needs to be repaired_同一张人像照片,25 个国家的PS后!!!
- 电源噪声(EMI)滤波器的基本原理与应用方法
- 小D课堂-SpringBoot 2.x微信支付在线教育网站项目实战_2-4.后端项目分层分包及资源文件处理...
- page compaction代码分析之一
- error: R_LARCH_SOP_PUSH_PCREL against `x264_log_default‘:PLT shouldn‘t be with r_addend.
- 30 校准_机会难得校准实验室认可培训别再错过
- win10 C语言qt调试,如何在Windows中调试Qt(MSVC)应用程序
- Python:命令安装pyQt5相关插件
- Kaggle入门 - TMDB 5000 电影推荐数据分析
- python怎么查文献_查询论文的引用格式,支持批量查询
- html内编写vbs,HTML_VBS编程教程 (第2篇),第二篇: 我真没想到, - phpStudy
- 面向对象编程思想详解汇总
- OpenGL绘制三维彩色立方体并实现自动旋转
- keyshot渲染图文教程_keyshot渲染图文教程,教你如何渲染冰的效果
热门文章
- 工业相机镜头如何选择
- 2.Java再识:使用MyEclipse开发java程序
- OSG给模型贴图显示
- 家用无线路由器哪个品牌好?程序员分享值得推荐的无线路由器
- RN实现手机摇一摇功能
- 互联网消费金融---互联网金融原理与实务【郭勤贵......等人著】的学习
- APP界面设计教程---手机ui高级实战案例(完整版)
- 设计模式1(策略模式)
- 极速解决“微信PC新版文件保存至MsgAttach”问题
- Event Loop、宏任务和微任务(动态演示)