Exponenta Banner
exponenta event banner

resubEdge

Край классификации путем повторной субституции

развернуть все на странице

Синтаксис

edge = resubEdge(ens)
edge = resubEdge(ens,Name,Value)

Описание

edge = resubEdge(ens) возвращает границу классификации, полученную ens по своим учебным данным.

edge = resubEdge(ens,Name,Value) вычисляет ребро с дополнительными опциями, заданными одним или несколькими Name,Value аргументы пары. Можно указать несколько аргументов пары имя-значение в любом порядке как Name1,Value1,…,NameN,ValueN.

Входные аргументы

ens

Классификационный ансамбль, созданный с помощью fitcensemble.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

'learners'

Показатели слабых учащихся в ансамбле варьируются от 1 кому NumTrained. resubEdge использует только этих учеников для вычисления края.

По умолчанию: 1:NumTrained

'mode'

Вектор символов или строковый скаляр, представляющий значение вывода edge:

  • 'ensemble' — edge - скалярное значение, потеря для всего ансамбля.

  • 'individual' — edge - вектор с одним элементом на обучаемого ученика.

  • 'cumulative' — edge - вектор, в котором находится элемент J получается с помощью обучающихся 1:J из входного списка обучающихся.

По умолчанию: 'ensemble'

Выходные аргументы

edge

Край классификации, полученный ens путем повторной подстановки обучающих данных в расчет края. Край классификации - это усредненный запас классификации по всем данным. edge может быть скаляром или вектором, в зависимости от установки mode пара имя-значение.

Примеры

развернуть все

Открыть сценарий в реальном времени

Найдите ребро повторного замещения для ансамбля, который классифицирует данные радужки Фишера.

Загрузите набор данных образца.

load fisheriris

Обучение ансамбля из 100 усиленных деревьев классификации с помощью AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Найдите ребро повторной замены.

edge = resubEdge(ens) 
edge = 3.2486

Подробнее

развернуть все

См. также

| | |

Документация по инструментам для статистического и машинного обучения

Поддержка