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. |