Exponenta Banner
exponenta event banner

kfoldEdge

Край классификации для наблюдений, не используемых для обучения

развернуть все на странице

Синтаксис

E = kfoldEdge(obj)
E = kfoldEdge(obj,Name,Value)

Описание

E = kfoldEdge(obj) возвращает край классификации (средний запас классификации), полученный перекрестно проверенным ансамблем классификации obj. Для каждого раза этот метод вычисляет край классификации для кратных наблюдений с использованием ансамбля, обученного на внекратных наблюдениях.

E = kfoldEdge(obj,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

Объект класса ClassificationPartitionedEnsemble. Создать ens с fitcensemble вместе с одним из вариантов перекрестной проверки: 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'. Кроме того, можно создать ens из классификационного ансамбля с crossval.

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.

'folds'

Индексы складок в диапазоне от 1 кому ens.KFold. Используйте только эти складки для прогнозов.

По умолчанию: 1:ens.KFold

'mode'

Вектор символов или строковый скаляр, представляющий значение вывода edge:

  • 'average' — edge - скалярное значение, среднее по всем складкам.

  • 'individual' — edge - вектор длины ens.KFold с одним элементом на складку.

  • 'cumulative' — edge - вектор длины min(ens.NTrainedPerFold) в каком элементе J получается путем усреднения значений по всем складкам для слабых учеников 1:J в каждой складке.

По умолчанию: 'average'

Выходные аргументы

E

Средний запас классификации. E является скаляром или вектором, в зависимости от установки mode пара имя-значение.

Примеры

развернуть все

Открыть сценарий в реальном времени

Вычислите k-кратный край для ансамбля, обученного на данных радужки Фишера.

Загрузите набор данных образца.

load fisheriris

Обучение ансамбля из 100 повышенных классификационных деревьев.

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

Создание перекрестно проверенного ансамбля из ens и найдите край классификации.

rng(10,'twister') % For reproducibility
cvens = crossval(ens);
E = kfoldEdge(cvens)
E = 3.2033

Подробнее

развернуть все

См. также

| | | |

Документация по инструментам для статистического и машинного обучения

Поддержка