Классифицируйте ансамбль использования наблюдений моделей классификации
дополнительные опции использования заданы одним или несколькими labels
= predict(Mdl
,X
,Name,Value
)Name,Value
парные аргументы.
[
также возвращает матрицу классификационных оценок (labels
,scores
]
= predict(___)scores
), указывая на вероятность, что метка прибывает из конкретного класса, с помощью любого из входных параметров в предыдущих синтаксисах. Для каждого наблюдения в X
, предсказанная метка класса соответствует максимальному счету среди всех классов.
|
Ансамбль классификации, созданный |
|
Данные о предикторе, которые будут классифицированы в виде числовой матрицы или таблицы. Каждая строка
|
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
.
|
Индексы слабых учеников Значение по умолчанию: |
|
Логическая матрица размера Когда Значение по умолчанию: |
|
Вектор из меток классификации. |
|
Матрица A с одной строкой на наблюдение и одним столбцом в классе. Для каждого наблюдения и каждого класса, счет представляет доверие, что наблюдение происходит из того класса. Более высокий счет указывает на более высокое доверие. Для получения дополнительной информации смотрите Счет (ансамбль). |
Чтобы интегрировать предсказание ансамбля в Simulink®, можно использовать блок ClassificationEnsemble Predict в библиотеке Statistics and Machine Learning Toolbox™ или Функциональном блоке MATLAB® с predict
функция. Для примеров смотрите, Предсказывают, что Класс Маркирует Using ClassificationEnsemble Predict Block и Predict Class Labels Using MATLAB Function Block.
При решении, который подход использовать, рассмотрите следующее:
Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer), чтобы преобразовать модель с плавающей точкой в фиксированную точку.
Поддержка массивов переменного размера должна быть включена для блока MATLAB function с predict
функция.
Если вы используете блок MATLAB function, можно использовать функции MATLAB для предварительной обработки или последующей обработки прежде или после предсказаний в том же блоке MATLAB function.
ClassificationBaggedEnsemble
| ClassificationEnsemble
| CompactClassificationEnsemble
| edge
| fitcensemble
| loss
| margin