resubPredict

Классифицируйте наблюдения на ансамбль моделей классификации

Синтаксис

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

Описание

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

[label,score] = resubPredict(ens) также возвращает музыку ко всем классам.

[label,score] = resubPredict(ens,Name,Value) находит прогнозы перезамены с дополнительными опциями заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

ens

Ансамбль классификации создается 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 NumTrained. oobLoss использование только эти ученики для вычисления потери.

Значение по умолчанию: 1:NumTrained

Выходные аргументы

`label`	Ответ `ens` предсказывает для обучающих данных. `label` совпадающий тип данных как учебные данные об ответе `ens.Y`, и имеет то же количество записей как количество строк в `ens.X`.
`score`	`N`- `K` матрица, где `N` количество строк в `ens.X`, и `K` количество классов в `ens`. Высоко выиграйте, значение указывает, что наблюдение, вероятно, прибывает из этого класса.

Примеры

развернуть все

Определение количества ансамбля Misclassifications

Скрипт Open Live Script

Найдите общее количество misclassifications fisheriris данные для ансамбля классификации.

Загрузите ирисовый набор данных Фишера.

load fisheriris

Обучите ансамбль 100 повышенных деревьев классификации с помощью AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Найдите общее количество misclassifications.

Ypredict = resubPredict(ens); % The predictions
Ysame = strcmp(Ypredict,species); % True when Ypredict and species are equal
sum(~Ysame) % Number of different predictions

ans = 5

Больше о

развернуть все

Выиграйте (ансамбль)

Для ансамблей классификация score представляет уверенность классификации в класс. Чем выше счет, тем выше уверенность.

Различные алгоритмы ансамбля имеют различные определения для своих баллов. Кроме того, область значений баллов зависит от типа ансамбля. Например:

AdaBoostM1 баллы располагаются от – ∞ к ∞.
Bag баллы лежат в диапазоне от 0 к 1.

Документация