resubMargin

Классификационные погрешности путем реподституции

Синтаксис

margin = resubMargin(ens) margin = resubMargin(ens,Name,Value)

Описание

margin = resubMargin(ens) возвращает классификационное поле, полученное ens на его обучающих данных.

margin = resubMargin(ens,Name,Value) вычисляет поля с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар.

Входные параметры

ens

Классификационный ансамбль, созданный с fitcensemble.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

'learners'

Индексы слабых учащихся ансамбля в диапазоне от 1 на NumTrained. resubMargin использует только этих учащихся для вычисления маржи.

По умолчанию: 1:NumTrained

Выходные аргументы

margin

Численный вектор-столбец длины size(ens.X,1) содержащие классификационные поля.

Примеры

расширить все

Вычисление полей для реституции для классификационного ансамбля

Открыть Live Script

Найдите поля реституции для ансамбля, который классифицирует данные радужной оболочки глаза Фишера.

Загрузите набор данных радужной оболочки глаза Фишера.

load fisheriris

Обучите ансамбль из 100 бустерных классификационных деревьев с помощью AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Найдите поля для реституции.

margin = resubMargin(ens);
[min(margin) mean(margin) max(margin)]

ans = 1×3

   -0.5674    3.2486    4.6245

Подробнее о

расширить все

Край

Классификационная margin является различием между score классификации для истинного класса и максимальной классификационной оценкой для ложных классов. Поле является вектором-столбцом с одинаковым числом строк, как и в матрице ens.X.

Счет (ансамбль)

Для ансамблей классификационный score представляет доверие классификации в классе. Чем выше счет, тем выше доверие.

Различные алгоритмы ансамбля имеют различные определения для своих счетов. Кроме того, область значений счетов зависит от типа ансамбля. Для примера:

AdaBoostM1 счета варьируются от - ∞ до ∞.
Bag счета варьируются от 0 на 1.

См. также

resubEdge | resubLoss | resubMargin | resubPredict

Документация