您可以使用分类学习器来训练这些分类器的模型：决策树，判别分析，支持向量机，逻辑回归，最近邻，朴素贝叶斯和集成分类。除了训练模型之外，您还可以浏览数据，选择功能，指定验证方案并评估结果。您可以将模型导出到工作区使用新的数据模型或产生MATLAB®代码，了解程序的分类。在分类学习器中训练模型包括两个部分：验证模型：使用验证方案训练模型。默认情况下，该应用通过应用交叉验证来防止过拟合。或者，您可以选择保持验证。经过验证的模型在应用程序中可见。完整模型：无需验证即可在完整数据上训练模型。该应用程序与经过验证的模型同时训练该模型。但是，在完整数据上训练的模型在应用程序中不可见。当选择分类器导出到工作空间时，Classification Learner会导出完整模型。该应用程序显示经过验证的模型的结果。诊断措施（例如模型准确性）和图表（例如散点图或混淆矩阵图）反映了经过验证的模型结果。您可以自动训练一个或所有分类器，对比较结果进行比较，并选择最适合您分类问题的模型。选择要导出到工作空间的模型时，Classification Learner会导出完整模型。由于分类学习器在训练过程中会创建完整模型的模型对象，因此导出模型时不会出现滞后时间。您可以使用导出的模型对新数据进行预测。要开始通过训练模型类型的选择来进行入门，请参阅自动分类器训练。如果您已经知道要训练的分类器类型，请参阅“手动分类器训练”。工具/原料morematlab软件电脑方法/步骤1/20分步阅读

自动分类器培训

您可以使用分类学习器在数据上自动训练选择的不同分类模型。

通过一次自动训练多个模型来上手。您可以快速尝试选择模型，然后以交互方式探索有希望的模型。

如果您已经知道要使用的分类器类型，请改为训练各个分类器。请参阅手动分类器培训。

2/20

1、在“应用程序”选项卡上的“机器学习”组中，单击“分类学习器”。

3/20

2、单击“新建会话”，然后从工作区或文件中选择数据。指定一个响应变量和用作预测变量的变量。请参阅选择数据并验证分类问题。

4/20

3、在“分类学习器”选项卡上的“模型类型”部分中，单击“所有快速训练”。此选项将训练可快速拟合到您的数据集的所有可用模型预设。

5/20

4、点击训练

在“历史记录”列表中将显示一系列模型类型。当他们完成训练时，最佳百分比准确率得分会在框中突出显示。

6/20

5、单击历史记录列表中的模型以浏览图中的结果。

7/20

6、有关后续步骤，请参阅手动分类器培训或比较和改进分类模型。

要尝试可用于您的数据集的所有不可优化分类器模型预设，请单击全部，然后单击训练。

8/20

手动分类器培训

如果要浏览单个模型类型，或者已经知道想要的分类器类型，则可以一次训练一个分类器，也可以训练一组相同类型的分类器。

9/20

1、选择一个分类器。在分类学习器选项卡上的模型类型部分中，单击分类器类型。要查看所有可用的分类器选项，请单击“模型类型”部分最右边的箭头以展开分类器列表。“模型类型”库中的不可优化模型选项是具有不同设置的预设起点，适用于一系列不同的分类问题。

要阅读每个分类器的描述，请切换到详细信息视图。

有关每个选项的更多信息，请参阅选择分类器选项。

10/20

2、有关每个选项的更多信息，

请参阅选择分类器选项。

11/20

3、如果要尝试使用相同或不同类型的所有不可优化模型，请在“模型类型”库中选择“所有”选项之一。

或者，如果要自动调整特定模型类型的超参数，请选择相应的“可优化”模型并执行超参数优化。有关更多信息，请参阅分类学习器应用程序中的超参数优化。

有关后续步骤，请参阅比较和改进分类模型。

12/20

并行分类器培训

如果您具有Parallel Computing Toolbox，则可以使用分类学习器并行训练模型。训练分类器时，除非您关闭默认的并行首选项“自动创建并行池”，否则应用程序将自动启动并行工作池。如果池已经打开，则应用程序将其用于训练。并行训练允许您一次训练多个分类器并继续工作。

13/20

1、首次单击“训练”时，在应用程序打开并行工作人员池时会看到一个对话框。池打开后，您可以一次训练多个分类器。

14/20

2、当分类器并行训练时，您会在历史记录列表中看到每个训练和排队模型的进度指示器，并且可以根据需要取消单个模型。在训练期间，您可以检查模型的结果和图，并开始训练更多的分类器。

要控制并行训练，请切换应用工具栏中的“使用并行”按钮。仅当您具有并行计算工具箱时，“使用并行”按钮才可用。

15/20

如果您具有并行计算工具箱，那么分类学习器中将提供并行训练，并且您无需设置UseParallel该statset功能的选项。如果您将并行首选项关闭为自动创建并行池，那么应用程序将不会为您启动池，除非先询问。

16/20

比较和改进分类模型

1、单击历史记录列表中的模型以浏览图中的结果。通过检查散点图和混淆矩阵中的结果来比较模型性能。检查历史记录列表中报告的每个模型的百分比准确性。请参阅在分类学习器中评估分类器性能。

17/20

2、在历史记录列表中选择最佳模型，然后尝试在模型中包括和排除其他功能。单击功能选择。

尝试使用平行坐标图来帮助您确定要删除的特征。看看您是否可以通过删除低预测能力的功能来改善模型。指定要包含在模型中的预测变量，并使用新选项训练新模型。比较历史记录列表中各个模型的结果。

您也可以尝试使用PCA变换特征以降低尺寸。

18/20

3、为了进一步改善模型，您可以尝试在“高级”对话框中更改分类器参数设置，然后使用新选项进行训练。要了解如何控制模型的灵活性，请参阅选择分类器选项。有关如何自动调整模型参数设置的信息，请参阅分类学习器应用程序中的超参数优化。

19/20

4、如果功能选择，PCA或新参数设置改善了模型，请尝试使用新设置训练所有模型类型。查看其他模型类型在新设置下是否更好。

小费

20/20

该图显示了具有包含各种分类器类型的历史记录列表的应用程序。

分类器