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

최근접이웃

Kd-트리 검색을 사용한 k 최근접이웃 분류

k-최근접이웃 모델을 훈련시키려면 분류 학습기 앱을 사용하십시오. 명령줄 인터페이스에서 fitcknn을 사용하여 k-최근접이웃 모델을 훈련시키면 유연성을 높일 수 있습니다. 훈련 후에는 모델과 예측 변수 데이터를 predict에 전달하여 레이블을 예측하거나 사후 확률을 추정합니다.

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

함수

모두 확장

fitcknnFit k-nearest neighbor classifier
ExhaustiveSearcherCreate exhaustive nearest neighbor searcher
KDTreeSearcherCreate Kd-tree nearest neighbor searcher
creatensCreate nearest neighbor searcher object
crossvalCross-validated k-nearest neighbor classifier
kfoldEdgeClassification edge for observations not used for training
kfoldLossClassification loss for observations not used for training
kfoldfunCross validate function
kfoldMarginClassification margins for observations not used for training
kfoldPredictPredict response for observations not used for training
lossLoss of k-nearest neighbor classifier
resubLossLoss of k-nearest neighbor classifier by resubstitution
compareHoldoutCompare accuracies of two classification models using new data
edgeEdge of k-nearest neighbor classifier
marginMargin of k-nearest neighbor classifier
resubEdgeEdge of k-nearest neighbor classifier by resubstitution
resubMarginMargin of k-nearest neighbor classifier by resubstitution
predictPredict labels using k-nearest neighbor classification model
resubPredictPredict resubstitution labels of k-nearest neighbor classifier
pdist관측값 쌍 간의 쌍별(Pairwise) 거리
pdist2두 관측값 세트 간의 쌍별(Pairwise) 거리

객체

모두 확장

ClassificationKNNk-nearest neighbor classification
ClassificationPartitionedModelCross-validated classification model

도움말 항목

Train Nearest Neighbor Classifiers Using Classification Learner App

Create and compare nearest neighbor classifiers, and export trained models to make predictions for new data.

Visualize Decision Surfaces of Different Classifiers

This example shows how to visualize the decision surface for different classification algorithms.

지도 학습 워크플로와 알고리즘

지도 학습의 단계와 비모수적 분류 및 회귀 함수의 특성을 알아봅니다.

최근접이웃을 사용한 분류

다양한 거리 측정법을 사용하여 훈련 데이터 세트에 포함된 점까지의 거리를 기준으로 데이터 점을 분류합니다.