Класс: TreeBagger
Средняя классификационная маржа
mar = meanMargin(B,TBLnew,Ynew)
mar = meanMargin(B,Xnew,Ynew)
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar = meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
mar = meanMargin(B,TBLnew,Ynew) вычисляет средние пределы классификации для предикторов, содержащихся в таблице TBLnew учитывая 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 = meanMargin(B,Xnew,Ynew) вычисляет средние 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. meanMargin усредняет поля по всем наблюдениям (строкам) в TBLnew или Xnew для каждого дерева. mar является матрицей размера 1-by-NTrees, где NTrees - количество деревьев в ансамбле B. Этот метод доступен только для классификационных ансамблей.
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) или mar = meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) указывает дополнительные пары имя-значение параметра:
'Mode' | Вектор символов или строковый скаляр, указывающий способ meanMargin вычисляет ошибки. Если установлено значение 'cumulative' (по умолчанию), является вектором длины NTrees где первый элемент дает средний запас от trees(1), второй столбец дает средние поля от trees(1:2) и т.д., до trees(1:NTrees). Если установлено значение 'individual', mar - вектор длины NTrees, где каждый элемент является средним запасом от каждого дерева в ансамбле. Если установлено значение 'ensemble', mar скаляр, показывающий совокупный средний запас 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 средний запас от trees(1), второй элемент дает средний запас от trees(1:2) и т.д. |
'TreeWeights' | Вектор весов деревьев. Этот вектор должен иметь ту же длину, что и 'Trees' вектор. meanMargin использует эти веса, чтобы объединить выходные данные указанных деревьев, взяв средневзвешенное вместо простого невзвешенного большинства голосов. Этот аргумент нельзя использовать в 'individual' режим. |
'Weights' | Вектор весов наблюдения для усреднения запаса. По умолчанию вес каждого наблюдения равен 1. Длина этого вектора должна быть равна числу строк в X. |
'UseInstanceForTree' | Логическая матрица размера Nobsоколо-NTrees указание деревьев, которые следует использовать для прогнозирования каждого наблюдения. По умолчанию метод использует все деревья для всех наблюдений. |