분류 학습기

머신러닝 지도 학습을 사용하여 데이터를 분류하도록 모델 훈련시키기

설명

분류 학습기 앱은 데이터를 분류하도록 모델을 훈련시킵니다. 이 앱을 사용하면 다양한 분류기를 사용하여 머신러닝 지도 학습을 수행해 볼 수 있습니다. 데이터를 탐색하고, 특징을 선택하고, 검증 방식을 지정하고, 모델을 훈련시키고, 결과를 평가할 수 있습니다. 자동화된 훈련을 수행하여 결정 트리, 판별분석, 서포트 벡터 머신, 로지스틱 회귀, 최근접이웃, 나이브 베이즈, 앙상블 및 신경망 분류 등 최적의 분류 모델 유형을 검색할 수 있습니다.

알려진 입력 데이터 세트(관측값 또는 예제)와 이 데이터에 대해 알려진 응답 변수(예: 레이블 또는 클래스)를 제공하여 머신러닝 지도 학습을 수행할 수 있습니다. 데이터를 사용하여 새 데이터에 대한 응답 변수의 예측값을 생성하는 모델을 훈련시킵니다. 새 데이터에 이 모델을 사용하거나 프로그래밍 방식으로 분류하는 방법에 대해 자세히 알아보려면, 모델을 작업 공간으로 내보내거나 MATLAB^® 코드를 생성하여 훈련된 모델을 재생성하십시오.

팁

시작하려면 분류기 목록에서 모든 빠른 훈련을 사용하여 엄선된 모델로 훈련시켜 보십시오. 자동화된 분류기 훈련 항목을 참조하십시오.

자세히

필요한 제품

MATLAB
Statistics and Machine Learning Toolbox™

참고: MATLAB Online™에서 분류 학습기를 사용하는 경우, Cloud Center 클러스터를 사용하여 모델을 병렬로 훈련할 수 있습니다(Parallel Computing Toolbox™ 필요). 자세한 내용은 Use Parallel Computing Toolbox with Cloud Center Cluster in MATLAB Online (Parallel Computing Toolbox) 항목을 참조하십시오.

분류 학습기 앱 열기

MATLAB 툴스트립: 앱 탭의 머신러닝에서 앱 아이콘을 클릭합니다.
MATLAB 명령 프롬프트: classificationLearner를 입력합니다.

예제

프로그래밍 방식으로 사용

모두 확장

`classificationLearner`

classificationLearner는 분류 학습기 앱을 열거나, 이미 열려 있는 경우 이 앱으로 포커스를 이동합니다.

`classificationLearner(Tbl,ResponseVarName)`

classificationLearner(Tbl,ResponseVarName)은 분류 학습기 앱을 열고 "인수에서 새 세션" 대화 상자에 Tbl 테이블에 포함된 데이터를 채웁니다. 문자형 벡터 또는 string형 스칼라로 지정된 ResponseVarName 인수는 클래스 레이블을 포함하는 Tbl의 응답 변수 이름입니다. Tbl의 나머지 변수는 예측 변수입니다.

`classificationLearner(Tbl,Y)`

classificationLearner(Tbl,Y)는 분류 학습기 앱을 열고 "인수에서 새 세션" 대화 상자에 Tbl 테이블의 예측 변수와 벡터 Y의 클래스 레이블을 채웁니다. 응답 변수 Y를 categorical형 배열, 문자형 배열, string형 배열, 논리형 벡터, 숫자형 벡터 또는 문자형 벡터로 구성된 셀형 배열로 지정할 수 있습니다.

`classificationLearner(X,Y)`

classificationLearner(X,Y)는 분류 학습기 앱을 열고 "인수에서 새 세션" 대화 상자에 n×p 예측 변수 행렬 X 및 벡터 Y의 n 클래스 레이블을 채웁니다. X의 각 행은 하나의 관측값에 대응되고, 각 열은 하나의 변수에 대응됩니다. Y의 길이와 X의 행 개수는 동일해야 합니다.

`classificationLearner(___,Name,Value)`

classificationLearner(___,Name,Value)는 위에 열거된 구문에 나와 있는 입력 인수 조합과 함께 다음 이름-값 인수 중 하나 이상을 사용하여 교차 검증 옵션을 지정합니다. 예를 들어, 'KFold',10을 지정하여 10겹 교차 검증 체계를 사용할 수 있습니다.

'CrossVal'는 교차 검증 플래그로, 'on'(디폴트 값) 또는 'off'로 지정됩니다. 'on'을 지정하면 앱이 5겹 교차 검증을 사용합니다. 'off'를 지정하면 앱이 재대입 검증을 사용합니다.
'Holdout' 또는 'KFold' 이름-값 인수를 사용하여 'CrossVal' 교차 검증 설정을 재정의할 수 있습니다. 이러한 인수는 한 번에 하나만 지정할 수 있습니다.
[0.05,0.5] 범위의 숫자형 스칼라로 지정되는 'Holdout'은 홀드아웃 검증에 사용되는 데이터의 비율입니다. 앱은 나머지 데이터를 훈련에 사용합니다.
[2,50] 범위의 양의 정수로 지정되는 'KFold'는 교차 검증에 사용할 겹의 수입니다.