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, 커널 근삿값, 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(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™
분류 학습기 앱 열기
MATLAB 툴스트립: 앱 탭의 머신러닝에서 앱 아이콘을 클릭합니다.
MATLAB 명령 프롬프트:
classificationLearner
를 입력합니다.
예제
프로그래밍 방식으로 사용
classificationLearner
classificationLearner
는 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 Tbl
의 응답 변수 이름입니다. 응답 변수는 500개가 넘는 고유한 클래스 레이블을 포함할 수 없습니다. Tbl
의 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 Y
의 클래스 레이블을 채웁니다. 응답 변수 Y
를 categorical형 배열, 문자형 배열, string형 배열, 논리형 벡터, 숫자형 벡터 또는 문자형 벡터로 구성된 셀형 배열로 지정할 수 있습니다. Y
는 500개가 넘는 고유한 클래스 레이블을 포함할 수 없습니다.
classificationLearner(X,Y)
classificationLearner(X,Y)
는 분류 학습기 앱을 열고 "인수에서 새 세션" 대화 상자에 n×p 예측 변수 행렬 X
및 벡터 Y
의 n 클래스 레이블을 채웁니다. X
의 각 행은 하나의 관측값에 대응되고, 각 열은 하나의 변수에 대응됩니다. Y
의 길이와 X
의 행 개수는 동일해야 합니다. Y
는 500개가 넘는 고유한 클래스 레이블을 포함할 수 없습니다.
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",10
을 지정하여 10겹 교차 검증 체계를 사용할 수 있습니다.
"CrossVal"
은 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."Holdout"
은 [0.05,0.5] 범위의 숫자형 스칼라로 지정되며 홀드아웃 검증에 사용되는 데이터의 비율입니다. 나머지 데이터는 훈련(및 지정된 경우 검정)에 사용됩니다."KFold"
는 [2,50] 범위의 양의 정수로 지정되며 교차 검증에 사용할 겹의 개수입니다."TestDataFraction"
은 [0,0.5] 범위의 숫자형 스칼라로 지정되며 검정에 사용하도록 예약된 데이터의 비율입니다.
classificationLearner(filename)
classificationLearner(filename)
은 filename
에 저장되어 있는 세션을 분류 학습기 앱으로 엽니다. filename
인수는 문자형 벡터 또는 string형 스칼라로 지정되며 분류 학습기 세션 파일의 이름과 파일의 경로(이 파일이 현재 폴더에 있지 않은 경우)를 포함해야 합니다. 이 파일의 확장자는 .mat
여야 합니다.
제한 사항
분류 학습기는 MATLAB Online™에서 MATLAB Production Server™로 모델을 배포하는 것을 지원하지 않습니다.
버전 내역
R2015a에 개발됨
참고 항목
앱
함수
fitctree
|fitcdiscr
|fitcsvm
|fitclinear
|fitcecoc
|fitcknn
|fitckernel
|fitcensemble
|fitcnet
|fitglm
MATLAB 명령
다음 MATLAB 명령에 해당하는 링크를 클릭했습니다.
명령을 실행하려면 MATLAB 명령 창에 입력하십시오. 웹 브라우저는 MATLAB 명령을 지원하지 않습니다.
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)