resubPredict

Классификация наблюдений в ансамбле классификационных моделей

Синтаксис

label = resubPredict(ens) [label,score] = resubPredict(ens) [label,score] = resubPredict(ens,Name,Value)

Описание

label = resubPredict(ens) возвращает метки ens предсказывает для ens.X данных. label является предсказаниями ens на данных, которые fitcensemble используется для создания ens.

[label,score] = resubPredict(ens) также возвращает счета для всех классов.

[label,score] = resubPredict(ens,Name,Value) находит предсказания реституции 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. oobLoss использует только этих учащихся для вычисления потерь.

По умолчанию: 1:NumTrained

Выходные аргументы

`label`	Ответ на `ens` предсказывает для обучающих данных. `label` является совпадающим типом данных, что и обучающие данные отклика `ens.Y`, и имеет то же количество записей, что и количество строк в `ens.X`.
`score`	Система координат `N`-by- `K` матрица, где `N` количество строк в `ens.X`, и `K` количество классов в `ens`. Высокое значение баллов указывает, что наблюдение, вероятно, происходит от этого класса.

Примеры

расширить все

Найдите количество ошибочных классификаций ансамбля

Открыть Live Script

Найдите общее количество неправильных классификаций fisheriris данные для классификационного ансамбля.

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 общее количество неправильных классификаций.

Ypredict = resubPredict(ens); % The predictions
Ysame = strcmp(Ypredict,species); % True when Ypredict and species are equal
sum(~Ysame) % Number of different predictions

ans = 5

Подробнее о

расширить все

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