Это свойство доступно только для чтения.

Границы интервала для числовых предикторов, заданные как массив ячеек из p числовых векторов, где p - количество предикторов. Каждый вектор включает границы интервала для числового предиктора. Элемент в массиве ячеек для категориального предиктора пуст, потому что программное обеспечение не встраивает категориальные предикторы.

Программное обеспечение помещает числовые предикторы только, если вы задаете 'NumBins' аргумент имя-значение как положительный целочисленный скаляр при обучении модели с учениками дерева. The BinEdges свойство пустое, если 'NumBins' значение пустое (по умолчанию).

Можно воспроизвести привязанные данные предиктора Xbinned при помощи BinEdges свойство обученной модели mdl.

X = mdl.X; % Predictor data
Xbinned = zeros(size(X));
edges = mdl.BinEdges;
% Find indices of binned predictors.
idxNumeric = find(~cellfun(@isempty,edges));
if iscolumn(idxNumeric)
    idxNumeric = idxNumeric';
end
for j = idxNumeric 
    x = X(:,j);
    % Convert x to array if x is a table.
    if istable(x) 
        x = table2array(x);
    end
    % Group x into bins by using the discretize function.
    xbinned = discretize(x,[-inf; edges{j}; inf]); 
    Xbinned(:,j) = xbinned;
end

Типы данных: cell

Это свойство доступно только для чтения.

Индексы терминов взаимодействия, заданные как t-by-2 матрица положительных целых чисел, где t - количество членов взаимодействия в модели. Каждая строка матрицы представляет один член взаимодействия и содержит индексы столбцов данных предиктора X для термина взаимодействия. Если модель не включает термин взаимодействия, то это свойство пустое ([]).

Программа добавляет условия взаимодействия к модели в порядке важности на основе p значений. Используйте это свойство для проверки порядка терминов взаимодействия, добавленных в модель.

Типы данных: double

Это свойство доступно только для чтения.

Перехват (константа) члена модели, который является суммой точки пересечения членов в деревьях предикторов и деревьях взаимодействия, заданных как числовой скаляр.

Типы данных: single | double

Это свойство доступно только для чтения.

Параметры, используемые для обучения модели, заданные как объект параметра модели. ModelParameters содержит значения параметров, такие как аргументы имя-значение, используемые для обучения модели. ModelParameters не содержит предполагаемых параметров.

Доступ к полям ModelParameters при помощи записи через точку. Для примера получите доступ к максимальному количеству разделений решений на дерево взаимодействия при помощи Mdl.ModelParameters.MaxNumSplitsPerInteraction.

Это свойство доступно только для чтения.

Границы интервала для обнаружения терминов взаимодействия для числовых предикторов, заданные как массив ячеек p числовых векторов, где p количество предикторов. Каждый вектор включает границы интервала для числового предиктора. Элемент в массиве ячеек для категориального предиктора пуст, потому что программное обеспечение не встраивает категориальные предикторы.

Чтобы ускорить процесс обнаружения терминов взаимодействия, программное обеспечение помещает числовые предикторы в самое большее 8 уравнительных интервалов. Количество интервалов может быть меньше 8, если предиктор имеет меньше 8 уникальных значений.

Типы данных: cell

Это свойство доступно только для чтения.

Причина, по которой обучение модели останавливается, задается как структура с двумя полями, PredictorTrees и InteractionTrees.

Используйте это свойство, чтобы проверить, содержит ли модель заданное количество деревьев для каждого линейного термина ('NumTreesPerPredictor') и для каждого термина взаимодействия ('NumTreesPerInteraction'). Если fitcgam функция завершает обучение перед добавлением заданного количества деревьев, это свойство содержит причину завершения.

Типы данных: struct

Это свойство доступно только для чтения.

Категориальные индексы предиктора, заданные как вектор положительных целых чисел. CategoricalPredictors содержит значения индекса, соответствующие столбцам данных предиктора, которые содержат категориальные предикторы. Если ни один из предикторов не является категориальным, то это свойство пустое ([]).

Типы данных: double

Это свойство доступно только для чтения.

Уникальные метки классов, используемые в обучении, заданные как категориальный или символьный массив, логический или числовой вектор или массив ячеек векторов символов. ClassNames имеет тот совпадающий тип данных, что и метки классов Y. (Программа обрабатывает массивы строк как массивы ячеек векторов символов.) ClassNames также определяет порядок классов.

Типы данных: single | double | logical | char | cell | categorical

Затраты на неправильную классификацию, заданные как числовая матрица 2 на 2.

Стоимость (i, j) - стоимость классификации точки в класс j если его класс true i. Порядок строк и столбцов Cost соответствует порядку классов в ClassNames.

Программное обеспечение использует Cost значение для предсказания, но не для обучения. Вы можете изменить значение с помощью записи через точку.

Пример: Mdl.Cost = C;

Типы данных: double

Это свойство доступно только для чтения.

Расширенные имена предикторов, заданные как массив ячеек из векторов символов.

ExpandedPredictorNames то же, что и PredictorNames для обобщенной аддитивной модели.

Типы данных: cell

Это свойство доступно только для чтения.

Количество наблюдений в обучающих данных, хранимых в X и Y, заданный как числовой скаляр.

Типы данных: double

Это свойство доступно только для чтения.

Имена переменных предиктора, заданные как массив ячеек из векторов символов. Порядок элементов PredictorNames соответствует порядку, в котором имена предикторов появляются в обучающих данных.

Типы данных: cell

Это свойство доступно только для чтения.

Вероятности предыдущего класса, заданные как числовой вектор с двумя элементами. Порядок элементов соответствует порядку элементов в ClassNames.

Типы данных: double

Это свойство доступно только для чтения.

Имя переменной отклика, заданное как вектор символов.

Типы данных: char

Это свойство доступно только для чтения.

Строки исходных обучающих данных, используемых при подборе кривой ClassificationGAM модель, заданная как логический вектор. Это свойство пустое, если используются все строки.

Типы данных: logical

Преобразование счета, заданное как вектор символов или указатель на функцию. ScoreTransform представляет встроенную функцию преобразования или указатель на функцию для преобразования предсказанных классификационных оценок.

Чтобы изменить функцию преобразования счета на functionдля примера используйте запись через точку.

Это свойство определяет выход счета расчета для функций объекта, таких как predict, margin, и edge. Использование 'logit' для вычисления апостериорных вероятностей и использования 'none' вычислить логит апостериорных вероятностей.

Типы данных: char | function_handle

Это свойство доступно только для чтения.

Веса наблюдений, используемые для обучения модели, заданные как n-на-1 числовой вектор. n - количество наблюдений (NumObservations).

Программа нормализует веса наблюдений, указанные в 'Weights' аргумент имя-значение так, чтобы элементы W в пределах конкретной суммы классов до предшествующей вероятности этого класса.

Типы данных: double

Это свойство доступно только для чтения.

Предикторы, используемые для обучения модели, заданные как числовая матрица или таблица.

Каждая строка X соответствует одному наблюдению, и каждый столбец соответствует одной переменной.

Типы данных: single | double | table

Это свойство доступно только для чтения.

Метки классов, используемые для обучения модели, заданные как категориальный или символьный массив, логический или числовой вектор или массив ячеек векторов символов. Y имеет тот совпадающий тип данных, что и переменная отклика, используемая для обучения модели. (Программа обрабатывает массивы строк как массивы ячеек векторов символов.)

Каждая строка Y представляет наблюдаемую классификацию соответствующей строки X.

Типы данных: single | double | logical | char | cell | categorical