resubEdge

Класс: ClassificationNaiveBayes

Ребро классификации для наивных классификаторов Байеса перезаменой

Синтаксис

e = resubEdge(Mdl)

Описание

пример

e = resubEdge(Mdl) возвращает ребро классификации перезамены (e) для наивного классификатора Байеса Mdl с помощью данных тренировки, хранимых в Mdl.X и соответствующих метках класса, сохраненных в Mdl.Y.

Входные параметры

развернуть все

Полностью обученный наивный классификатор Байеса, заданный как модель ClassificationNaiveBayes, обученная fitcnb.

Выходные аргументы

развернуть все

Ребро классификации, возвращенное как скаляр. Если вы передали в весах, когда обучение классификатор, то e является взвешенным ребром классификации. Программное обеспечение нормирует веса так, чтобы они суммировали к априорной вероятности их соответствующего класса.

Примеры

развернуть все

Загрузите ирисовый набор данных Фишера.

load fisheriris
X = meas;    % Predictors
Y = species; % Response
rng(1);

Обучите наивный классификатор Байеса. Это - хорошая практика, чтобы задать порядок класса. Примите, что каждый предиктор условно, нормально распределен, учитывая свою метку.

Mdl = fitcnb(X,Y,'ClassNames',{'setosa','versicolor','virginica'});

Mdl является обученным классификатором ClassificationNaiveBayes.

Оцените ребро перезамены.

e = resubEdge(Mdl)
e = 0.8944

Средним значением учебных демонстрационных полей является приблизительно 0.9, который указывает, что классификатор классифицирует наблюдения в выборке с высокой уверенностью.

Ребро классификатора измеряет среднее значение полей классификатора. Один способ выполнить выбор функции состоит в том, чтобы сравнить учебные демонстрационные ребра от многоуровневых моделей. Базирующийся только на этом критерии, классификатор с самым высоким ребром является лучшим классификатором.

Загрузите ирисовый набор данных Фишера. Задайте два набора данных:

  • fullX содержит все предикторы.

  • partX содержит последние два предиктора.

load fisheriris
X = meas;    % Predictors
Y = species; % Response
fullX = X;
partX = X(:,3:4);

Обучите наивные классификаторы Байеса каждому набору предиктора.

FullMdl = fitcnb(fullX,Y);
PartMdl = fitcnb(partX,Y);

Оцените учебное демонстрационное ребро для каждого классификатора.

fullEdge = resubEdge(FullMdl)
fullEdge = 0.8944
partEdge = resubEdge(PartMdl)
partEdge = 0.9169

Ребро для классификатора, обученного на предикторах 3 и 4, больше, предполагая, что классификатор обучил использование, только те предикторы имеют лучшую подгонку в выборке.

Больше о

развернуть все