resubEdge

Класс: ClassificationNaiveBayes

Ребро классификации для наивных классификаторов Байеса перезаменой

Синтаксис

Описание

пример

e = resubEdge(Mdl) возвращает ребро классификации перезамены (e) для наивного классификатора Байеса Mdl использование обучающих данных сохранено в Mdl.X и соответствующие метки класса сохранены в Mdl.Y.

Входные параметры

развернуть все

Полностью обученный наивный классификатор Байеса в виде ClassificationNaiveBayes модель обучена fitcnb.

Выходные аргументы

развернуть все

Ребро классификации, возвращенное как скаляр. Если вы передали в весах когда обучение классификатор, то e взвешенное ребро классификации. Программное обеспечение нормирует веса так, чтобы они суммировали к априорной вероятности их соответствующего класса.

Примеры

развернуть все

Загрузите ирисовый набор данных Фишера.

load fisheriris
X = meas;    % Predictors
Y = species; % Response
rng(1);

Обучите наивный классификатор Байеса. Это - хорошая практика, чтобы задать порядок класса. Примите, что каждый предиктор условно, нормально распределен, учитывая свою метку.

Mdl = fitcnb(X,Y,'ClassNames',{'setosa','versicolor','virginica'});

Mdl обученный ClassificationNaiveBayes классификатор.

Оцените ребро перезамены.

e = resubEdge(Mdl)
e = 0.8944

Средним значением полей обучающей выборки является приблизительно 0.9, который указывает, что классификатор классифицирует наблюдения в выборке с высоким доверием.

Ребро классификатора измеряет среднее значение полей классификатора. Один способ выполнить выбор признаков состоит в том, чтобы сравнить ребра обучающей выборки от многоуровневых моделей. Базирующийся только на этом критерии, классификатор с самым высоким ребром является лучшим классификатором.

Загрузите ирисовый набор данных Фишера. Задайте два набора данных:

  • fullX содержит все предикторы.

  • partX содержит последние два предиктора.

load fisheriris
X = meas;    % Predictors
Y = species; % Response
fullX = X;
partX = X(:,3:4);

Обучите наивные классификаторы Байеса каждому набору предиктора.

FullMdl = fitcnb(fullX,Y);
PartMdl = fitcnb(partX,Y);

Оцените ребро обучающей выборки для каждого классификатора.

fullEdge = resubEdge(FullMdl)
fullEdge = 0.8944
partEdge = resubEdge(PartMdl)
partEdge = 0.9169

Ребро для классификатора, обученного на предикторах 3 и 4, больше, предполагая, что классификатор обучил использование, только те предикторы имеют лучшую подгонку в выборке.

Больше о

развернуть все

Для просмотра документации необходимо авторизоваться на сайте