Обучите мультикласс классификатор ECOC, и затем перекрестный подтвердите модель с помощью пользовательской функции потерь k-сгиба.
Загрузите ирисовый набор данных Фишера. Задайте данные о предикторе X
, данные об ответе Y
, и порядок классов в Y
.
Обучите и перекрестный подтвердите модель ECOC с помощью двоичных классификаторов машины опорных векторов (SVM). Стандартизируйте предикторы с помощью шаблона SVM и задайте порядок класса.
CVMdl
ClassificationPartitionedECOC
модель. По умолчанию программное обеспечение реализует 10-кратную перекрестную проверку.
Вычислите ошибку классификации (пропорция неправильно классифицированных наблюдений) для наблюдений сгиба валидации.
Исследуйте результат когда стоимость неправильной классификации цветка как versicolor
10
и стоимостью любой другой ошибки является 1
. Запишите функции с именем noversicolor
это присваивает стоимость 1
для общего misclassification и стоимости 10
для неправильной классификации цветка как versicolor
.
Если вы используете файл live скрипта для этого примера, noversicolor
функция уже включена в конце файла. В противном случае необходимо создать эту функцию в конце.m файла или добавить его как файл на пути MATLAB.
Вычислите среднее значение misclassification ошибка с noversicolor
стоимость.
Этот код создает функциональный noversicolor
.