用MATLAB的Classficiation Learner工具箱对12个数据集进行各种分类与验证
2024-08-26 18:05:33
准备材料
以所有的特征集作为variable进行像Bayes吖、SVM吖、决策树吖......分类。同时对数据进行预处理,选出相关度高的特征子集作为新的一组data进行分类(预处理的代码不必放出来)。
Classficiation Learner工具箱的使用
从应用程序(APP)栏下的机器学习和深度学习可以get。
NEW Session,从工作空间导入数据集。
Start Session。
选择分类器进行train。
结果
AUC 值越大,说明该模型的性能越好。
以CM1为例:
原始特征集、决策树
原始特征集、SVM
特征子集、决策树
特征子集、SVM
其中,百分数表示经过十次十折交叉验证进行循环测试,最后返回的准确率;分号右边表示计算得到的AUC大小。
从中我们可以看到像JM1、MC1、PC5这些数据量大的数据集,最后得到的计算结果相对较好,而对于一些数据量较小的数据集,训练出的结果部分存在差距。
最新文章
- arcgis api for js入门开发系列一arcgis api离线部署
- 8 HTML&;JS等前端知识系列之Ajax的例子
- js-innerHTML
- php 获取当前脚本的url的案例
- jquery mobile图片自适应屏幕
- JavaEE Tutorials (30) - Duke综合案例研究示例
- mod_python模块安装
- MVC创建
- IIS7下设置https主机名灰色无法修改
- 将source类中的属性值赋给target类中对应的属性
- SQL反模式学习笔记19 使用*号,隐式的列
- Beta冲刺随笔汇总
- ajax 异步请求 代码
- 多目标进化算法(MOEA)概述
- ubuntu下安装迅雷thunder
- 路由器DMZ功能
- 【转帖】如何利用Spring Cloud构建起自我修复型分布式系统
- 我学cocos2d-x (一) 游戏基本概念:坐标系与Anchor Point
- 【Linux】- CentOS 7 安装.NET Core 2.1
- Linux命令之route