oobPredict

Предскажите ответ из сумки ансамбля

Синтаксис

[label,score] = oobPredict(ens)
[label,score] = oobPredict(ens,Name,Value)

Описание

[label,score] = oobPredict(ens) возвращает метки класса и музыку к ens для данных из сумки.

[label,score] = oobPredict(ens,Name,Value) вычисляет метки и баллы с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

ens

Классификация уволила ансамбль, созданный с fitcensemble.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

'learners'

Индексы слабых учеников в ансамбле в пределах от 1 к ens.NumTrained. oobEdge использование только эти ученики для вычисления потери.

Значение по умолчанию: 1:NumTrained

Выходные аргументы

label

Метки классификации совпадающего типа данных как обучающие данные Y. (Программное обеспечение обрабатывает строковые массивы как массивы ячеек из символьных векторов.) Существует N элементы или строки, где N количество учебных наблюдений. Метка является классом с самым высоким счетом. В случае связи метка является самой ранней в ens.ClassNames.

score

N- K числовая матрица для N наблюдения и K классы. Высокий счет указывает, что наблюдение, вероятно, прибудет из этого класса. Баллы находятся в области значений 0 к 1.

Примеры

развернуть все

Найдите прогнозы из сумки и музыку к ирисовым данным Фишера. Найдите баллы с известной неопределенностью в получившихся классификациях.

Загрузите набор выборочных данных.

load fisheriris

Обучите ансамбль сложенных в мешок деревьев классификации.

ens = fitcensemble(meas,species,'Method','Bag');

Найдите прогнозы из сумки и баллы.

[label,score] = oobPredict(ens);

Найдите баллы в области значений (0.2,0.8). Эти баллы имеют известную неопределенность в получившихся классификациях.

unsure = ((score > .2) & (score < .8));
sum(sum(unsure))  % Number of uncertain predictions
ans = 16

Больше о

развернуть все

Смотрите также

| | |

Для просмотра документации необходимо авторизоваться на сайте