Exponenta Banner

edge

Ребро классификации

Синтаксис

E = edge(obj,X,Y)
E = edge(obj,X,Y,Name,Value)

Описание

E = edge(obj,X,Y) возвращает ребро классификации для obj с данными X и классификация Y.

E = edge(obj,X,Y,Name,Value) вычисляет ребро с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

obj

Классификатор дискриминантного анализа класса ClassificationDiscriminant или CompactClassificationDiscriminant, обычно созданный с fitcdiscr.

X

Матрица, где каждая строка представляет наблюдение и каждый столбец, представляет предиктор. Количество столбцов в X должен равняться количеству предикторов в obj.

Y

Метки класса, с совпадающим типом данных, как существует в obj. Число элементов Y должен равняться количеству строк X.

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.

'weights'

Веса наблюдения, числовой вектор из длины size(X,1). Если вы предоставляете веса, edge вычисляет взвешенное ребро классификации.

Значение по умолчанию: ones(size(X,1),1)

Выходные аргументы

E

Ребро, скаляр, представляющий средневзвешенное значение поля.

Примеры

Вычислите ребро классификации и поле для ирисовых данных Фишера, обученных на его первых двух столбцах данных, и просмотрите последние 10 записей:

load fisheriris
X = meas(:,1:2);
obj = fitcdiscr(X,species);
E = edge(obj,X,species)

E =
    0.4980

M = margin(obj,X,species);
M(end-10:end)

ans =
    0.6551
    0.4838
    0.6551
   -0.5127
    0.5659
    0.4611
    0.4949
    0.1024
    0.2787
   -0.1439
   -0.4444

Классификатор, обученный на всех данных, лучше:

obj = fitcdiscr(meas,species);
E = edge(obj,meas,species)

E =
    0.9454

M = margin(obj,meas,species);
M(end-10:end)

ans =
    0.9983
    1.0000
    0.9991
    0.9978
    1.0000
    1.0000
    0.9999
    0.9882
    0.9937
    1.0000
    0.9649

Больше о

развернуть все

Расширенные возможности

Смотрите также

| | | |

Темы

Документация Statistics and Machine Learning Toolbox

Поддержка