이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

모델 개발과 평가

특징 선택, 초모수 최적화, 교차 검증, 예측 성능 평가, 분류 정확도 비교 테스트

고품질 예측 분류 모델을 개발하는 경우 적합한 특징(또는 예측 변수)을 선택하고 초모수(추정되지 않은 모델 모수)를 조율해야 합니다.

초모수를 조율하려면 초모수 값을 선택하고 이들 값을 사용하여 모델을 교차 검증하십시오. 예를 들어, SVM 모델을 조정하려면 상자 제약 조건과 커널 스케일의 집합을 선택하고, 각 값 쌍에 대해 모델을 교차 검증하십시오. 특정 Statistics and Machine Learning Toolbox™ 분류 함수는 베이즈 최적화, 그리드 탐색 또는 임의 탐색을 통해 자동 초모수 조율 기능을 제공합니다. 그러나, 베이즈 최적화를 구현하는 주요 함수 bayesopt은 다른 응용 사례에 사용할 수 있을 정도로 유연합니다. Bayesian Optimization Workflow 항목을 참조하십시오.

특징 선택과 초모수 조율을 통해 여러 모델이 생성될 수 있습니다. 모델 간 k겹 오분류율, ROC(수신자 조작 특성) 곡선 또는 혼동 행렬을 비교할 수 있습니다. 또는, 통계 검정을 수행하여 어떠한 분류 모델이 다른 모델보다 성능이 훨씬 더 뛰어난지 여부를 파악할 수 있습니다.

분류 모델을 대화형 방식으로 만들고 평가하려면 분류 학습기 앱을 사용하십시오.

분류 학습기지도 기계 학습(Supervised Machine Learning)을 사용하여 데이터를 분류하도록 모델 훈련시키기

함수

모두 확장

sequentialfsSequential feature selection
relieffRank importance of predictors using ReliefF or RReliefF algorithm
bayesoptSelect optimal machine learning hyperparameters using Bayesian optimization
hyperparametersVariable descriptions for optimizing a fit function
optimizableVariableVariable description for bayesopt or other optimizers
crossvalLoss estimate using cross-validation
cvpartition데이터에 대한 교차 검증 분할 생성
repartitionRepartition data for cross-validation
testTest indices for cross-validation
trainingTraining indices for cross-validation
confusionmat정오분류표
perfcurve분류기 출력값에 대한 ROC(수신자 조작 특성) 곡선 또는 기타 성능 곡선
testcholdoutCompare predictive accuracies of two classification models
testckfoldCompare accuracies of two classification models by repeated cross validation

객체

모두 확장

BayesianOptimizationBayesian optimization results
cvpartitionData partitions for cross validation

도움말 항목

분류 학습기 앱

분류 학습기 앱에서 분류 모델을 훈련시키기

자동화된 훈련, 수동 훈련, 병렬 훈련 등 분류 모델을 훈련시키고 비교하고 향상시킬 수 있는 워크플로입니다.

Assess Classifier Performance in Classification Learner

Compare model accuracy scores, visualize results by plotting class predictions, and check performance per class in the Confusion Matrix.

Feature Selection and Feature Transformation Using Classification Learner App

Identify useful predictors using plots, manually select features to include, and transform features using PCA in Classification Learner.

특징 선택

Feature Selection

Learn about feature selection algorithms, such as sequential feature selection.

초모수 최적화

Bayesian Optimization Workflow

Perform Bayesian optimization using a fit function or by calling bayesopt directly.

Variables for a Bayesian Optimization

Create variables for Bayesian optimization.

Bayesian Optimization Objective Functions

Create the objective function for Bayesian optimization.

Constraints in Bayesian Optimization

Set different types of constraints for Bayesian optimization.

Optimize a Cross-Validated SVM Classifier Using bayesopt

Minimize cross-validation loss using Bayesian Optimization.

Optimize an SVM Classifier Fit Using Bayesian Optimization

Minimize cross-validation loss using the OptimizeParameters name-value pair in a fitting function.

Bayesian Optimization Plot Functions

Visually monitor a Bayesian optimization.

Bayesian Optimization Output Functions

Monitor a Bayesian optimization.

Bayesian Optimization Algorithm

Understand the underlying algorithms for Bayesian optimization.

Parallel Bayesian Optimization

How Bayesian optimization works in parallel.

교차 검증

Implement Cross-Validation Using Parallel Computing

Speed up cross-validation using parallel computing.

분류 성능 평가

Performance Curves

Examine the performance of a classification algorithm on a specific test data set using a receiver operating characteristic curve.