Класс: TreeBagger
Маржа классификации
mar = margin(B,TBLnew,Ynew)
mar = margin(B,Xnew,Ynew)
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar = margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
mar = margin(B,TBLnew,Ynew) вычисляет пределы классификации для предикторов, содержащихся в таблице TBLnew данный истинный ответ Ynew. Вы можете опустить Ynew если TBLnew содержит переменную ответа. Если вы тренировались B используя образцы данных, содержащиеся в таблице, входные данные для этого метода также должны быть в таблице.
mar = margin(B,Xnew,Ynew) вычисляет пределы классификации для предикторов, содержащихся в матрице Xnew данный истинный ответ Ynew. Если вы тренировались B используя данные выборки, содержащиеся в матрице, входные данные для этого метода также должны быть в матрице.
Ynew может быть числовым вектором, символьной матрицей, строковым массивом, массивом ячеек символьных векторов, категориальным вектором или логическим вектором. mar - числовой массив размера Nobsоколо-NTrees, где Nobs - количество строк TBLnew и Ynew, и NTrees - количество деревьев в ансамбле B. Для наблюдения I и дерево J, mar(I,J) - разница между баллом для истинного класса и наибольшим баллом для других классов. Этот метод доступен только для классификационных ансамблей.
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) или mar = margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) указывает дополнительные пары имя-значение параметра:
'Mode' | Вектор символов или строковый скаляр, указывающий, как метод вычисляет ошибки. Если установлено значение 'cumulative' (по умолчанию), margin вычисляет совокупные ошибки и mar является Nobsоколо-NTrees матрица, где первый столбец дает ошибку из trees(1), второй столбец дает ошибку изtrees(1:2) и т.д., до trees(1:NTrees). Если установлено значение 'individual', mar является Nobsоколо-NTrees матрица, где каждый элемент является ошибкой из каждого дерева в ансамбле. Если установлено значение 'ensemble', mar один столбец длины Nobs отображение кумулятивных полей для всего ансамбля. |
'Trees' | Вектор индексов, указывающих, какие деревья следует включить в этот расчет. По умолчанию этот аргумент имеет значение 'all' и метод использует все деревья. Если 'Trees' является числовым вектором, метод возвращает вектор длины NTrees для 'cumulative' и 'individual' режимы, где NTrees - количество элементов во входном векторе и скаляр для 'ensemble' режим. Например, в 'cumulative' режим, первый элемент дает ошибку из trees(1), второй элемент дает ошибку от trees(1:2) и т.д. |
'TreeWeights' | Вектор весов деревьев. Этот вектор должен иметь ту же длину, что и 'Trees' вектор. Метод использует эти веса, чтобы объединить выходные данные из указанных деревьев, взяв средневзвешенное вместо простого невзвешенного большинства голосов. Этот аргумент нельзя использовать в 'individual' режим. |
'UseInstanceForTree' | Логическая матрица размера Nobsоколо-NTrees указание деревьев, которые должны использоваться для прогнозирования каждого наблюдения. По умолчанию метод использует все деревья для всех наблюдений. |