Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

신경망

이진 클래스 및 다중클래스 분류를 위한 신경망

신경망 모델은 뇌에서 정보를 처리하는 방식을 반영한 일련의 계층으로 구조화되어 있습니다. Statistics and Machine Learning Toolbox™에서 사용할 수 있는 신경망 분류기는 완전 연결 계층의 크기를 조정하고 계층의 활성화 함수를 변경할 수 있는 완전히 연결된 피드포워드 신경망입니다.

신경망 분류 모델을 훈련시키려면 분류 학습기 앱을 사용하십시오. 명령줄 인터페이스에서 fitcnet을 사용하여 신경망 분류기를 훈련시키면 유연성을 높일 수 있습니다. 훈련 후에는 모델과 새 예측 변수 데이터를 predict에 전달하여 새로운 데이터를 분류할 수 있습니다.

더 복잡한 딥러닝 신경망을 만들고 Deep Learning Toolbox™를 사용하려면 심층 신경망 디자이너 (Deep Learning Toolbox) 앱을 사용해 보십시오.

분류 학습기머신러닝 지도 학습을 사용하여 데이터를 분류하도록 모델 훈련시키기

함수

모두 확장

fitcnetTrain neural network classification model
compactReduce size of machine learning model
crossvalCross-validate machine learning model
kfoldLossClassification loss for cross-validated classification model
kfoldPredictClassify observations in cross-validated classification model
kfoldEdgeClassification edge for cross-validated classification model
kfoldMarginClassification margins for cross-validated classification model
kfoldfunCross-validate function for classification
lossClassification loss for neural network classifier
resubLossResubstitution classification loss
edgeClassification edge for neural network classifier
marginClassification margins for neural network classifier
resubEdgeResubstitution classification edge
resubMarginResubstitution classification margin
predictClassify observations using neural network classifier
resubPredictClassify training data using trained classifier

객체

ClassificationNeuralNetworkNeural network model for classification
CompactClassificationNeuralNetworkCompact neural network model for classification
ClassificationPartitionedModelCross-validated classification model

도움말 항목

Assess Neural Network Classifier Performance

Use fitcnet to create a feedforward neural network classifier with fully connected layers, and assess the performance of the model on test data.

Train Neural Network Classifiers Using Classification Learner App

Create and compare neural network classifiers, and export trained models to make predictions for new data.