resubMargin

Поля классификации перезаменой

Синтаксис

margin = resubMargin(ens) margin = resubMargin(ens,Name,Value)

Описание

margin = resubMargin(ens) возвращает поле классификации, полученное ens на его обучающих данных.

margin = resubMargin(ens,Name,Value) вычисляет поля 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. resubMargin использование только эти ученики для вычисления поля.

Значение по умолчанию: 1:NumTrained

Выходные аргументы

margin

Числовой вектор-столбец длины size(ens.X,1) содержа поля классификации.

Примеры

развернуть все

Вычислите поля перезамены для ансамбля классификации

Скрипт Open Live Script

Найдите поля перезамены для ансамбля, который классифицирует ирисовые данные Фишера.

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 поля перезамены.

margin = resubMargin(ens);
[min(margin) mean(margin) max(margin)]

ans = 1×3

   -0.5674    3.2486    4.6245

Больше о

развернуть все

Поле

Классификация margin является различием между классификацией score для истинного класса и максимальной классификационной оценкой для ложных классов. Поле является вектор-столбцом с одинаковым числом строк как в матричном ens.X.

Выиграйте (ансамбль)

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

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