resubPredict

Классифицировать наблюдения в совокупности классификационных моделей

Синтаксис

label = resubPredict(ens) [label,score] = resubPredict(ens) [label,score] = resubPredict(ens,Name,Value)

Описание

label = resubPredict(ens) возвращает метки ens прогнозы для данных ens.X. label является предсказаниями ens о данных, которые fitcensemble используется для создания ens.

[label,score] = resubPredict(ens) также возвращает баллы для всех классов.

[label,score] = resubPredict(ens,Name,Value) находит прогнозы восстановления с дополнительными опциями, указанными одним или несколькими Name,Value аргументы пары.

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. oobLoss использует только этих учеников для расчета потерь.

По умолчанию: 1:NumTrained

Выходные аргументы

`label`	Ответ `ens` прогнозирует данные обучения. `label` является тем же типом данных, что и данные ответа на обучение `ens.Y`и имеет то же количество записей, что и количество строк в `ens.X`.
`score`	Один `N`около-`K` матрица, где `N` - количество строк в `ens.X`, и `K` - количество классов в `ens`. Высокое значение балла указывает на то, что наблюдение, вероятно, происходит из этого класса.

Примеры

развернуть все

Найти количество ошибочных классификаций ансамблей

Открыть сценарий в реальном времени

Найти общее число ошибочных классификаций fisheriris данные для классификационного ансамбля.

Загрузите набор данных радужки Фишера.

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 общее число ошибочных классификаций.

Ypredict = resubPredict(ens); % The predictions
Ysame = strcmp(Ypredict,species); % True when Ypredict and species are equal
sum(~Ysame) % Number of different predictions

ans = 5

Подробнее

развернуть все

Партитура (ансамбль)

Для ансамблей классификационный балл представляет уверенность классификации в классе. Чем выше оценка, тем выше уверенность.

Различные алгоритмы ансамбля имеют разные определения для своих оценок. Кроме того, диапазон баллов зависит от типа ансамбля. Например:

AdaBoostM1 оценки варьируются от - ∞ до ∞.
Bag оценки варьируются от 0 кому 1.

См. также

resubEdge | resubLoss | resubMargin | resubPredict

Документация