이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
ClassificationKNN
k-최근접이웃 분류
설명
ClassificationKNN은 거리 측정법과 최근접이웃 개수를 모두 변경할 수 있는 최근접이웃 분류 모델입니다. ClassificationKNN 분류기는 훈련 데이터를 저장하므로 이 모델을 사용하여 재대입 예측값을 계산할 수 있습니다. 또는 predict 객체 함수를 사용하여 새 관측값을 분류하는 용도로 이 모델을 사용하십시오.
생성
fitcknn을 사용하여 ClassificationKNN 모델을 만듭니다.
속성
객체 함수
compareHoldout | Compare accuracies of two classification models using new data |
crossval | Cross-validate machine learning model |
edge | Edge of k-nearest neighbor classifier |
gather | Gather properties of Statistics and Machine Learning Toolbox object from GPU |
lime | Local interpretable model-agnostic explanations (LIME) |
loss | Loss of k-nearest neighbor classifier |
margin | Margin of k-nearest neighbor classifier |
partialDependence | Compute partial dependence |
plotPartialDependence | Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots |
predict | Predict labels using k-nearest neighbor classification model |
resubEdge | Resubstitution classification edge |
resubLoss | Resubstitution classification loss |
resubMargin | Resubstitution classification margin |
resubPredict | Classify training data using trained classifier |
shapley | Shapley values |
testckfold | Compare accuracies of two classification models by repeated cross-validation |
예제
팁
compact함수는 훈련 데이터 속성과 새 관측값의 레이블을 예측하는 데 필요하지 않은 기타 모든 속성을 제거함으로써 대부분의 분류 모델의 크기를 축소합니다. k-최근접이웃 분류 모델은 레이블을 예측하기 위해 모든 훈련 데이터를 필요로 하므로ClassificationKNN모델의 크기는 줄일 수 없습니다.
대체 기능
knnsearch는 점의 k-최근접이웃을 찾습니다. rangesearch는 일정한 거리 내에 있는 모든 점을 찾습니다. 쿼리 데이터 분류하기에 나와 있는 것처럼 이러한 함수를 분류에 사용할 수 있습니다. 분류를 수행하려는 경우 ClassificationKNN 모델을 사용하는 것이 한 단계에서 (fitcknn을 사용하여) 분류기를 훈련시키고 다른 단계에서 (predict를 사용하여) 분류할 수 있으므로 더 편리할 수 있습니다. 또는 fitcknn을 호출할 때 교차 검증 옵션 중 하나를 사용하여 k-최근접이웃 분류 모델을 훈련시킬 수도 있습니다. 이 경우 fitcknn은 ClassificationPartitionedModel 교차 검증된 모델 객체를 반환합니다.
