Exponenta Banner

resubPredict

Класс: ClassificationDiscriminant

Предскажите метки перезамены модели классификации дискриминантных анализов

Синтаксис

label = resubPredict(obj)
[label,posterior] = resubPredict(obj)
[label,posterior,cost] = resubPredict(obj)

Описание

label = resubPredict(obj) возвращается, маркирует obj предсказывает для данных obj.XМетка прогнозы obj на данных, что fitcdiscr используемый, чтобы создать obj.

[label,posterior] = resubPredict(obj) возвращает следующие вероятности класса для прогнозов.

[label,posterior,cost] = resubPredict(obj) возвращает предсказанные затраты misclassification в классе для повторно подставленных данных.

Входные параметры

obj

Классификатор дискриминантного анализа, произведенное использование fitcdiscr.

Выходные аргументы

label

Ответ obj предсказывает для обучающих данных. label совпадающий тип данных как учебные данные об ответе obj.Y. Предсказанные метки класса, те с минимальным ожидали стоимость misclassification; см., что Прогноз Использует Модели Дискриминантного анализа.

posterior

N- K матрица апостериорных вероятностей для классов obj предсказывает, где N количество наблюдений и K количество классов.

cost

N- K матрица предсказанных затрат misclassification. Каждая стоимость является средним значением misclassification стоимость относительно апостериорной вероятности.

Примеры

Найдите общее количество misclassifications ирисовых данных Фишера для классификатора дискриминантного анализа:

load fisheriris
obj = fitcdiscr(meas,species);
Ypredict = resubPredict(obj); % the predictions
Ysame = strcmp(Ypredict,species); % true when ==
sum(~Ysame) % how many are different?

ans =
     3

Больше о

развернуть все

Смотрите также

| |

Темы

Документация Statistics and Machine Learning Toolbox
Поддержка