Затраты Misclassification в приложении Classification Learner

По умолчанию приложение Classification Learner создает модели, которые присваивают тот же штраф всему misclassifications во время обучения. Для заданного наблюдения приложение присваивает штраф 0, если наблюдение классифицируется правильно и штраф 1, если наблюдение классифицируется неправильно. В некоторых случаях это присвоение является несоответствующим. Например, предположите, что вы хотите классифицировать пациентов или как здоровых или как больных. Стоимость неправильной классификации больного человека столь же здоровая сила быть пять раз стоимостью неправильной классификации здорового человека как больной. Для случаев, где вы знаете, стоимость неправильной классификации наблюдений за одним классом в другого и затрат варьируется через классы, задает затраты misclassification перед обучением ваши модели.

Примечание

Пользовательские затраты misclassification не поддерживаются для моделей нейронной сети и логистической регрессии.

Задайте затраты Misclassification

В приложении Classification Learner, в разделе Options вкладки Classification Learner, выбирают Misclassification Costs. Приложение открывает диалоговое окно, которое показывает значение по умолчанию misclassification затраты (матрица стоимости) как таблица с метками строки и столбца, определенными классами в переменной отклика. Строки таблицы соответствуют истинным классам, и столбцы соответствуют предсказанным классам. Можно интерпретировать матрицу стоимости таким образом: запись в строке i и столбец j является стоимостью неправильной классификации i th наблюдения класса в j th класс. Диагональные элементы матрицы стоимости должны быть 0, и недиагональные записи должны быть неотрицательными вещественными числами.

Можно задать собственные затраты misclassification двумя способами: путем ввода значений непосредственно в таблицу в диалоговом окне или путем импорта переменной рабочей области, которая содержит величину затрат.

Примечание

Масштабированная версия матрицы стоимости дает те же результаты классификации (например, матрица беспорядка и точность), но с различным общим количеством misclassification стоимость. Таким образом, если CostMat матрица стоимости misclassification и a положительный, действительный скаляр, затем модель, обученная с матрицей стоимости a*CostMat имеет ту же матрицу беспорядка как та модель, обученная с CostMat.

Введите затраты непосредственно в диалоговое окно

В диалоговом окне затрат misclassification дважды кликните запись в таблице, которую вы хотите отредактировать. Удалите значение и введите правильный misclassification, стоивший за запись. Когда вы закончите редактируя таблицу, нажмите OK, чтобы сохранить ваши изменения.

Импортируйте переменную рабочей области, содержащую затраты

В диалоговом окне затрат misclassification нажмите Import from Workspace. Приложение открывает диалоговое окно для импорта затрат от переменной в рабочей области MATLAB®.

Из списка Cost variable выберите матрицу стоимости или структуру, которая содержит затраты misclassification.

  • Стойте матрицы – матрица должна содержать затраты misclassification. Диагональные элементы должны быть 0, и недиагональные записи должны быть неотрицательными вещественными числами. По умолчанию приложение использует порядок класса, который, как показывают в предыдущем диалоговом окне затрат misclassification, интерпретировал матричные значения стоимости.

    Чтобы задать порядок классов в матрице стоимости, создайте отдельную переменную рабочей области, содержащую имена классов в правильном порядке. В диалоговом окне импорта выберите соответствующую переменную из списка Class order in cost variable. Переменная рабочей области, содержащая имена классов, должна быть категориальным вектором, логическим вектором, числовым вектором, массивом строк или массивом ячеек из символьных векторов. Имена классов должны совпадать (в написании и капитализации) с именами классов в переменной отклика.

  • Структура – структура должна содержать поля ClassificationCosts и ClassNames с этими техническими требованиями:

    • ClassificationCosts – Матрица, которая содержит затраты misclassification.

    • ClassNames – Имена классов. Порядок классов в ClassNames определяет порядок строк и столбцов ClassificationCosts. Переменная ClassNames должен быть категориальный вектор, логический вектор, числовой вектор, массив строк или массив ячеек из символьных векторов. Имена классов должны совпадать (в написании и капитализации) с именами классов в переменной отклика.

После определения переменной стоимости и порядка класса в переменной стоимости, нажмите Import. Обновления приложения таблица в misclassification стоят диалогового окна.

После того, как вы зададите матрицу стоимости, которая отличается от значения по умолчанию, обновления приложения панель Current Model Summary для новых моделей. В панели Current Model Summary, под Misclassification Costs, списки приложений матрица стоимости как "пользовательская". Для моделей, которые используют значение по умолчанию misclassification затраты, списки приложений матрица стоимости как "значение по умолчанию".

Оцените производительность модели

После определения misclassification затраты, можно обучить и настроить модели, как обычно. Однако использование пользовательских затрат misclassification может измениться, как вы оцениваете эффективность модели. Например, вместо того, чтобы выбрать модель с лучшей точностью, выберите модель, которая имеет хорошую точность и низкое общее количество misclassification стоимость. Общим количеством misclassification стоимость для модели является sum(CostMat.*ConfusionMat,'all'), где CostMat матрица стоимости misclassification и ConfusionMat матрица беспорядка для модели. Матрица беспорядка показывает, как модель классифицирует наблюдения на каждый класс. Смотрите Эффективность Проверки В Классе в Матрице Беспорядка.

Чтобы смотреть общее количество misclassification стоимость обученной модели, выберите модель в панели Models. В панели Current Model Summary посмотрите на раздел Training Results. Общее количество misclassification стоимость описано ниже точность модели.

Затраты Misclassification в экспортируемом типовом кодексе и сгенерированном коде

После того, как вы обучите модель с пользовательскими затратами misclassification и экспортируете ее из приложения, можно найти пользовательские затраты в экспортируемой модели. Например, если вы экспортируете древовидную модель как структуру под названием trainedModel, можно использовать следующий код, чтобы получить доступ к матрице стоимости и порядку классов в матрице.

trainedModel.ClassificationTree.Cost
trainedModel.ClassificationTree.ClassNames
Для ансамбля и бинарных моделей SVM, приложение использует затраты misclassification, чтобы настроить предшествующие вероятности класса модели. Поэтому Cost свойство экспортируемой модели сбрасывается к матрице стоимости по умолчанию, но Prior свойство обновляется.

Когда вы генерируете код MATLAB для модели, обученной с пользовательскими затратами misclassification, сгенерированный код включает матрицу стоимости, которая передается учебной функции через 'Cost' аргумент пары "имя-значение".

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте