Ребро классификации
E = edge(obj,X,Y)
E = edge(obj,X,Y,Name,Value)
возвращает ребро классификации для E
= edge(obj
,X
,Y
)obj
с данными X
и классификация Y
.
вычисляет ребро с дополнительными опциями, заданными одним или несколькими E
= edge(obj
,X
,Y
,Name,Value
)Name,Value
парные аргументы.
|
Классификатор дискриминантного анализа класса |
|
Матрица, где каждая строка представляет наблюдение и каждый столбец, представляет предиктор. Количество столбцов в |
|
Метки класса, с совпадающим типом данных, как существует в |
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
.
|
Веса наблюдения, числовой вектор из длины Значение по умолчанию: |
|
Ребро, скаляр, представляющий средневзвешенное значение поля. |
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
ClassificationDiscriminant
| fitcdiscr
| loss
| margin
| predict