최근접이웃

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.

앱

분류 학습기

머신러닝 지도 학습을 사용하여 데이터를 분류하도록 모델 훈련시키기

함수

모두 확장

최근접이웃 모델 만들기

fitcknn k-최근접이웃 분류기 피팅

최근접이웃 탐색기 만들기

`ExhaustiveSearcher`	Create exhaustive nearest neighbor searcher
`KDTreeSearcher`	Create Kd-tree nearest neighbor searcher
`createns`	Create nearest neighbor searcher object

최근접이웃 모델 해석하기

`lime`	Local interpretable model-agnostic explanations (LIME)
`partialDependence`	Compute partial dependence
`plotPartialDependence`	Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots
`shapley`	Shapley values

교차 검증하기

`crossval`	Cross-validate machine learning model
`kfoldEdge`	Classification edge for cross-validated classification model
`kfoldLoss`	Classification loss for cross-validated classification model
`kfoldfun`	Cross-validate function for classification
`kfoldMargin`	Classification margins for cross-validated classification model
`kfoldPredict`	Classify observations in cross-validated classification model

성능 측정하기

`loss`	Loss of k-nearest neighbor classifier
`resubLoss`	Resubstitution classification loss
`compareHoldout`	Compare accuracies of two classification models using new data
`edge`	Edge of k-nearest neighbor classifier
`margin`	Margin of k-nearest neighbor classifier
`resubEdge`	Resubstitution classification edge
`resubMargin`	Resubstitution classification margin
`testckfold`	Compare accuracies of two classification models by repeated cross-validation

관측값 분류하기

`predict`	Predict labels using k-nearest neighbor classification model
`resubPredict`	Classify training data using trained classifier

최근접이웃 모델의 속성 모으기

gather Gather properties of Statistics and Machine Learning Toolbox object from GPU

객체