Классифицируйте ансамбль использования наблюдений моделей классификации
дополнительные опции использования заданы одним или несколькими labels
= predict(Mdl
,X
,Name,Value
)Name,Value
парные аргументы.
[
также возвращает матрицу баллов классификации (labels
,score
]
= predict(___)score
), указывая на вероятность, что метка прибывает из конкретного класса, с помощью любого из входных параметров в предыдущих синтаксисах. Для каждого наблюдения в X
, предсказанная метка класса соответствует максимальному счету среди всех классов.
|
Ансамбль классификации создается |
|
Данные о предикторе, которые будут классифицированы, заданные как числовая матрица или таблица. Каждая строка
|
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
.
|
Индексы слабых учеников Значение по умолчанию: |
|
Логическая матрица размера Когда Значение по умолчанию: |
|
Вектор меток классификации. |
|
Матрица A с одной строкой на наблюдение и одним столбцом в классе. Для каждого наблюдения и каждого класса, счет, сгенерированный каждым деревом, является вероятностью этого наблюдения, происходящего из этого класса, вычисленного как часть наблюдений за этим классом в древовидном листе. |
ClassificationBaggedEnsemble
| ClassificationEnsemble
| CompactClassificationEnsemble
| edge
| fitcensemble
| loss
| margin