Exponenta Banner
exponenta event banner

templateDiscriminant

Шаблон классификатора дискриминантного анализа

свернуть все на странице

Синтаксис

t = templateDiscriminant ()
t = templateDiscriminant (имя, значение)

Описание

пример

t = templateDiscriminant() возвращает шаблон дискриминантного анализа, подходящий для обучающих ансамблей или многоклассовых моделей кода вывода с исправлением ошибок (ECOC).

Если указан шаблон по умолчанию, то программа использует значения по умолчанию для всех входных аргументов во время обучения.

Определить t как ученик в fitcensemble или fitcecoc.

пример

t = templateDiscriminant(Name,Value) создает шаблон с дополнительными параметрами, заданными одним или несколькими аргументами пары имя-значение.

Например, можно указать тип дискриминанта или параметр регуляризации.

При отображении t в окне команд все параметры отображаются пустыми ([]), за исключением тех, которые указаны с помощью аргументов пары имя-значение. Во время обучения программа использует значения по умолчанию для пустых параметров.

Примеры

свернуть все

Открыть сценарий в реальном времени

Создание шаблона дискриминантного анализа по умолчанию для использования в fitcensemble.

Загрузите набор данных радужки Фишера.

load fisheriris

Создайте шаблон для псевдолинейного дискриминантного анализа. 

t = templateDiscriminant('DiscrimType','pseudoLinear')
t = 
Fit template for classification Discriminant.

    DiscrimType: 'pseudoLinear'
          Gamma: []
          Delta: []
     FillCoeffs: []
     SaveMemory: []
        Version: 1
         Method: 'Discriminant'
           Type: 'classification'

Все свойства объекта шаблона пусты, кроме DiscrimType, Method, и Type. После обучения программа заполняет пустые свойства соответствующими значениями по умолчанию.

Определить t как слабый ученик для классификационного ансамбля.

Mdl = fitcensemble(meas,species,'Method','Subspace','Learners',t);

Просмотрите ошибку неправильной классификации в выборке (повторная выборка).

L = resubLoss(Mdl)
L = 0.0400

Входные аргументы

свернуть все

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.

Пример: 'DiscrimType','pseudoLinear','SaveMemory','on' задает шаблон для псевдолинейного дискриминантного анализа, в котором не хранится полная ковариационная матрица.

Порог линейного коэффициента, определяемый как разделенная запятыми пара, состоящая из 'Delta' и неотрицательное скалярное значение. Если коэффициент Mdl имеет магнитуду меньше, чем Delta, Mdl устанавливает этот коэффициент равным 0и вы можете исключить соответствующий предиктор из модели. Набор Delta к более высокому значению, чтобы исключить больше предикторов.

Delta должно быть 0 для квадратичных дискриминантных моделей.

Типы данных: single | double

Дискриминантный тип, указанный как пара, разделенная запятыми, состоящая из 'DiscrimType' и вектор символов или строковый скаляр в этой таблице.

СтоимостьОписаниеПредикторное ковариационное лечение
'linear'Регуляризованный линейный дискриминантный анализ (LDA)

  • Все классы имеют одинаковую ковариационную матрицу.

  • Λ ^ γ = (1 − γ) Λ ^ + γ diag (Λ ^).

    Λ ^ - эмпирическая объединенная ковариационная матрица, γ - величина регуляризации.

'diaglinear'LDAВсе классы имеют одинаковую диагональную ковариационную матрицу.
'pseudolinear'LDAВсе классы имеют одинаковую ковариационную матрицу. Программное обеспечение инвертирует ковариационную матрицу, используя псевдообрежение.
'quadratic'Квадратичный дискриминантный анализ (QDA)Ковариационные матрицы могут различаться между классами.
'diagquadratic'QDAКовариационные матрицы диагональны и могут варьироваться между классами.
'pseudoquadratic'QDAКовариационные матрицы могут различаться между классами. Программное обеспечение инвертирует ковариационную матрицу, используя псевдообрежение.

Примечание

Для использования регуляризации необходимо указать 'linear'. Чтобы указать величину регуляризации, используйте Gamma аргумент пары имя-значение.

Пример: 'DiscrimType','quadratic'

Coeffs флаг свойства, заданный как разделенная запятыми пара, состоящая из 'FillCoeffs' и 'on' или 'off'. Установка флага на 'on' заполняет Coeffs в объекте-классификаторе. Это может быть вычислительной интенсивностью, особенно при перекрестной проверке. Значение по умолчанию: 'on', если не указана пара имя-значение перекрестной проверки, в этом случае флаг имеет значение 'off' по умолчанию.

Пример: 'FillCoeffs','off'

Величина регуляризации, применяемая при оценке ковариационной матрицы предикторов, указанной как пара, разделенная запятыми, состоящая из 'Gamma' и скалярное значение в интервале [0,1]. Gamma обеспечивает более тонкий контроль над структурой ковариационной матрицы, чем DiscrimType.

  • При указании 0, то программное обеспечение не использует регуляризацию для корректировки ковариационной матрицы. То есть программное обеспечение оценивает и использует неограниченную эмпирическую ковариационную матрицу.

    • Для линейного дискриминантного анализа, если эмпирическая ковариационная матрица является сингулярной, то программное обеспечение автоматически применяет минимальную регуляризацию, необходимую для инвертирования ковариационной матрицы. Можно просмотреть выбранную сумму регуляризации путем ввода Mdl.Gamma в командной строке.

    • Для квадратичного дискриминантного анализа, если хотя бы один класс имеет эмпирическую ковариационную матрицу, которая является сингулярной, то программное обеспечение выдает ошибку.

  • Если указать значение в интервале (0,1), то необходимо реализовать линейный дискриминантный анализ, иначе программа выдаст ошибку. Следовательно, наборы программного обеспечения DiscrimType кому 'linear'.

  • При указании 1, то программное обеспечение использует максимальную регуляризацию для оценки ковариационной матрицы. То есть программное обеспечение ограничивает ковариационную матрицу диагональной. Кроме того, можно задать DiscrimType кому 'diagLinear' или 'diagQuadratic' для диагональных ковариационных матриц.

Пример: 'Gamma',1

Типы данных: single | double

Флаг для сохранения ковариационной матрицы, указанной как пара, разделенная запятыми, состоящая из 'SaveMemory' и либо 'on' или 'off'. При указании 'on', то fitcdiscr не сохраняет полную ковариационную матрицу, а вместо этого сохраняет достаточно информации для вычисления матрицы. predict способ вычисляет полную ковариационную матрицу для прогнозирования и не сохраняет матрицу. При указании 'off', то fitcdiscr вычисляет и сохраняет полную ковариационную матрицу в Mdl.

Определить SaveMemory как 'on' когда входная матрица содержит тысячи предикторов.

Пример: 'SaveMemory','on'

Выходные аргументы

свернуть все

Шаблон классификации дискриминантного анализа, подходящий для обучающих ансамблей или многоклассовых моделей кода вывода с исправлением ошибок (ECOC), возвращаемый как объект шаблона. Проход t кому fitcensemble или fitcecoc чтобы указать, как создать классификатор дискриминантного анализа для ансамбля или модели ECOC соответственно.

При отображении t в окне команд все неустановленные параметры отображаются пустыми ([]). Однако во время обучения программа заменяет пустые опции соответствующими значениями по умолчанию.

См. также

| | |

Представлен в R2014a

Документация по инструментам для статистического и машинного обучения

Поддержка