kfoldEdge

Классификационное ребро для наблюдений, не используемых для обучения

Синтаксис

E = kfoldEdge(obj) E = kfoldEdge(obj,Name,Value)

Описание

E = kfoldEdge(obj) возвращает ребро классификации (среднее значение запаса классификации), полученную перекрестно проверенным классификационным ансамблем obj. Для каждой складки этот метод вычисляет ребро классификации для кратных наблюдений с помощью ансамбля, обученного по несовпадающим наблюдениям.

E = kfoldEdge(obj,Name,Value) вычисляет ребро с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар. Можно задать несколько аргументы пары "имя-значение" в любом порядке как Name1,Value1,…,NameN,ValueN.

Входные параметры

ens

Объект ClassificationPartitionedEnsemble классов. Создание ens с fitcensemble наряду с одним из опций перекрестной валидации: 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'. Кроме того, создайте ens из классификационного ансамбля с crossval.

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.

'folds'

Индексы складок в диапазоне от 1 на ens.KFold. Используйте только эти складки для предсказаний.

По умолчанию: 1:ens.KFold

'mode'

Вектор символов или строковый скаляр, представляющий значение выхода edge:

'average' — edge является скалярным значением, средним значением по всем складкам.
'individual' — edge является вектором длины ens.KFold с одним элементом на складку.
'cumulative' — edge является вектором длины min(ens.NTrainedPerFold) в каком элементе J получается путем усреднения значений по всем складкам для слабых учащихся 1:J в каждой складке.

По умолчанию: 'average'

Выходные аргументы

`E`	Средний классификационный запас. `E` является скаляром или вектором, в зависимости от настройки `mode` Пара "имя-значение".

Примеры

расширить все

Вычисление ребра K-складки удерживаемых наблюдений

Открыть Live Script

Вычислите k-кратное ребро для ансамбля, обученного по данным ириса Фишера.

Загрузите набор выборочных данных.

load fisheriris

Обучите ансамбль из 100 ускоренных классификационных деревьев.

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

Создайте перекрестно проверенный ансамбль из ens и найдите классификационное ребро.

rng(10,'twister') % For reproducibility
cvens = crossval(ens);
E = kfoldEdge(cvens)

E = 3.2033

Подробнее о

расширить все

Ребро

Это edge - средневзвешенное значение классификационного запаса. Веса являются вероятностями классов в obj.Prior.

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 obj.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

crossval | kfoldfun | kfoldLoss | kfoldMargin | kfoldPredict

Документация