kfoldEdge

Ребро классификации для наблюдений, не используемых в обучении

Синтаксис

E = kfoldEdge(obj) E = kfoldEdge(obj,Name,Value)

Описание

E = kfoldEdge(obj) возвращает ребро классификации (среднее поле классификации) полученный перекрестным подтвержденным ансамблем классификации obj. Для каждого сгиба этот метод вычисляет ребро классификации для, окутывают наблюдения с помощью ансамбля, обученного на наблюдениях из сгиба.

E = kfoldEdge(obj,Name,Value) вычисляет ребро с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы. Можно задать несколько аргументов пары "имя-значение" в любом порядке как Name1,Value1,…,NameN,ValueN.

Входные параметры

ens

Объект класса ClassificationPartitionedEnsemble. Создайте ens с fitcensemble наряду с одной из опций перекрестной проверки: 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'. В качестве альтернативы создайте ens от ансамбля классификации с crossval.

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.

'folds'

Индексы сгибов в пределах от 1 к ens.KFold. Используйте только эти сгибы в прогнозах.

Значение по умолчанию: 1:ens.KFold

'mode'

Вектор символов или скаляр строки представление значения выхода edge:

'average' — edge скалярное значение, среднее значение по всем сгибам.
'individual' — edge вектор длины ens.KFold с одним элементом на сгиб.
'cumulative' — edge вектор длины min(ens.NTrainedPerFold) в котором элементе J получен путем усреднения значений через все сгибы для слабых учеников 1:J в каждом сгибе.

Значение по умолчанию: 'average'

Выходные аргументы

`E`	Среднее поле классификации. `E` скаляр или вектор, в зависимости от установки `mode` пара "имя-значение".

Примеры

развернуть все

Вычислите ребро K-сгиба протянутых наблюдений

Скрипт Open Live Script

Вычислите ребро k-сгиба для ансамбля, обученного на ирисовых данных Фишера.

Загрузите набор выборочных данных.

load fisheriris

Обучите ансамбль 100 повышенных деревьев классификации.

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

Создайте перекрестный подтвержденный ансамбль из ens и найдите ребро классификации.

rng(10,'twister') % For reproducibility
cvens = crossval(ens);
E = kfoldEdge(cvens)

E = 3.2052

Больше о

развернуть все

Ребро

edge является значением взвешенного среднего поля классификации. Веса являются вероятностями класса в obj.Prior.

Поле

Классификация margin является различием между классификацией score для истинного класса и максимальным счетом классификации к ложным классам. Поле является вектор-столбцом с одинаковым числом строк как в матричном obj.X.

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