Класс: CompactTreeBagger
Поле классификации
mar = margin(B,TBLnew,Ynew)
mar = margin(B,Xnew,Ynew)
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar
= margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
mar = margin(B,TBLnew,Ynew) вычисляет поля классификации для предикторов, содержавшихся в таблице TBLnew, данной истинный ответ Ynew. Можно не использовать Ynew, если TBLnew содержит переменную отклика. Если бы вы обучили B с помощью выборочных данных, содержавшихся в таблице, то входные данные для этого метода должны также быть в таблице.
mar = margin(B,Xnew,Ynew) вычисляет поля классификации для предикторов, содержавшихся в матричном Xnew, данном истинный ответ Ynew.
Ynew может быть числовым вектором, символьной матрицей, массивом строк, массивом ячеек из символьных векторов, категориальным векторным или логическим вектором. mar является числовым массивом размера Nobs-by-NTrees, где Nobs является количеством строк TBLnew и Ynew, и NTrees является количеством деревьев в ансамбле B. Для наблюдения I и древовидный J, mar(I,J) является различием между счетом к истинному классу и самым большим счетом к другим классам. Этот метод доступен для ансамблей классификации только.
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) или mar
= margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) задает дополнительные пары "имя-значение" параметра:
'Mode' | Как метод вычисляет ошибки. Если установлено в 'cumulative' (значение по умолчанию), margin вычисляет совокупные ошибки, и mar является Nobs-by-NTrees матрица, откуда первый столбец дает ошибку trees(1), второй столбец дает ошибку fromtrees(1:2) и т.д. до trees(1:NTrees). Если установлено в 'individual', mar является Nobs-by-NTrees матрица, где каждый элемент является ошибкой от каждого дерева в ансамбле. Если установлено в 'ensemble', mar отдельный столбец длины Nobs, показывающий совокупные поля для целого ансамбля. |
'Trees' | Вектор индексов, указывающих, что деревья включать в это вычисление. По умолчанию этот аргумент установлен в 'all', и метод использует все деревья. Если 'Trees' является числовым вектором, метод возвращает вектор длины NTrees для режимов 'cumulative' и 'individual', где NTrees является числом элементов во входном векторе и скаляром для режима 'ensemble'. Например, в режиме 'cumulative', первый элемент дает ошибку от trees(1), второй элемент дает ошибку от trees(1:2) и т.д. |
'TreeWeights' | Вектор древовидных весов. Этот вектор должен иметь ту же длину как вектор 'Trees'. Метод использует эти веса, чтобы объединить вывод от заданных деревьев путем взятия взвешенного среднего вместо простого невзвешенного решения большинством голосов. Вы не можете использовать этот аргумент в режиме 'individual'. |
'UseInstanceForTree' | Логическая матрица размера Nobs-by-NTrees указание, которое деревья должны использоваться, чтобы сделать прогнозами для каждого наблюдения. По умолчанию метод использует все деревья для всех наблюдений. |
