Класс: CompactTreeBagger
Поле классификации
mar = margin(B,TBLnew,Ynew)
mar = margin(B,Xnew,Ynew)
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar
= margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
mar = margin(B,TBLnew,Ynew) вычисляет поля классификации для предикторов, содержавшихся в таблице TBLnew учитывая истинный ответ Ynew. Можно не использовать Ynew если TBLnew содержит переменную отклика. Если вы обучили B с помощью выборочных данных, содержавшихся в таблице, затем, входные данные для этого метода должны также быть в таблице.
mar = margin(B,Xnew,Ynew) вычисляет поля классификации для предикторов, содержавшихся в матричном Xnew учитывая истинный ответ Ynew.
Ynew может быть числовой вектор, символьная матрица, массив строк, массив ячеек из символьных векторов, категориальный векторный или логический вектор. mar числовой массив размера Nobs- NTrees, где Nobs количество строк TBLnew и Ynew, и NTrees количество деревьев в ансамбле B. Для наблюдения I и древовидный J, mar(I,J) различие между счетом к истинному классу и самым большим счетом к другим классам. Этот метод доступен для ансамблей классификации только.
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) или mar
= margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) задает дополнительные пары "имя-значение" параметра:
'Mode' | Как метод вычисляет ошибки. Если установлено в 'cumulative' (значение по умолчанию), margin вычисляет совокупные ошибки и mar Nobs- NTrees матрица, где первый столбец дает ошибку от trees(1), второй столбец дает ошибку fromtrees(1:2) и т.д., до trees(1:NTrees). Если установлено в 'individual', mar Nobs- NTrees матрица, где каждым элементом является ошибка от каждого дерева в ансамбле. Если установлено в 'ensemble', mar отдельный столбец длины Nobs показ совокупных полей для целого ансамбля. |
'Trees' | Вектор индексов, указывающих, что деревья включать в это вычисление. По умолчанию этот аргумент установлен в 'all' и метод использует все деревья. Если 'Trees' числовой вектор, метод возвращает вектор длины NTrees для 'cumulative' и 'individual' режимы, где NTrees число элементов во входном векторе и скаляр для 'ensemble' режим. Например, в 'cumulative' режим, первый элемент дает ошибку от trees(1), второй элемент дает ошибку от trees(1:2) и т.д. |
'TreeWeights' | Вектор древовидных весов. Этот вектор должен иметь ту же длину как 'Trees' вектор. Метод использует эти веса, чтобы объединить выход от заданных деревьев путем взятия взвешенного среднего вместо простого невзвешенного решения большинством голосов. Вы не можете использовать этот аргумент в 'individual' режим. |
'UseInstanceForTree' | Логическая матрица размера Nobs- NTrees указание, которое деревья должны использоваться, чтобы сделать предсказаниями для каждого наблюдения. По умолчанию метод использует все деревья во всех наблюдениях. |
