Классификация наблюдений с помощью классификатора дерева решений
Statistics and Machine Learning Toolbox/Классификация
Блок ClassificationTree Predict классифицирует наблюдения с помощью объекта дерева классификации (ClassificationTree или CompactClassificationTree) для многоклассовой классификации.
Импортируйте обученный объект классификации в блок путем определения имени переменной рабочей области, содержащей объект. Порт входа x получает наблюдение (данные предиктора), и выход порт label возвращает предсказанную метку класса для наблюдения. Можно добавить дополнительный выходной порт score который возвращает предсказанные счета классов или апостериорные вероятности.
Add output port for predicted class scores - Добавьте второй выходной порт для предсказанных счетов классовoff (по умолчанию) | onУстановите флажок, чтобы включить второй выходной порт, score в блок ClassificationTree Predict.
Параметры блоков:
ShowOutputScore |
| Тип: Вектор символов |
Значения:
'off' | 'on' |
По умолчанию:
'off' |
Укажите тип данных для выхода label. Тип может быть унаследован, задан как тип перечисленных данных или выражен как объект типа данных, такой как Simulink.NumericType.
Когда вы выбираете унаследованную опцию, программное обеспечение ведет себя следующим образом:
Inherit: Inherit via back propagation (по умолчанию для числовых и логических меток) - Simulink автоматически определяет Label data type блока во время распространения типа данных (см. «Распространение типа данных (Simulink)»). В этом случае блок использует тип данных нисходящего блока или объекта сигнала.
Inherit: auto (по умолчанию для нечисловых меток) - блок использует автоматическую переменную перечисленного типа данных. Например, предположим, что имя переменной рабочей области задано как Select trained machine learning model является myMdl, и метки классов class 1 и class 2. Затем соответствующие значения label myMdl_enumLabels.class_1 и myMdl_enumLabels.class_2. Блок преобразует метки классов в действительные идентификаторы MATLAB с помощью matlab.lang.makeValidName функция.
Для получения дополнительной информации о типах данных смотрите Типы данных управляющего сигнала (Simulink).
Нажмите кнопку Show data type assistant
, чтобы отобразить Data Type Assistant, которая помогает вам задать атрибуты type данных. Для получения дополнительной информации смотрите Задать типы данных Используя Data Type Assistant (Simulink).
Поддерживаемые типы данных зависят от меток, используемых в модели, заданной Select trained machine learning model.
Если в модели используются числовые или логические метки, поддерживаемые типы данных Inherit: Inherit via back propagation (по умолчанию), double, single, half, int8, uint8, int16, uint16, int32, uint32, int64, uint64, boolean, фиксированная точка и объект типа данных.
Если в модели используются нечисловые метки, поддерживаемые типы данных Inherit: auto (по умолчанию), Enum: <class name>, и объект типа данных.
Параметры блоков: LabelDataTypeStr |
| Тип: Вектор символов |
Значения: 'Inherit: Inherit via back propagation' | 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | 'Enum: <class name>' | '<data type expression>' |
По умолчанию: 'Inherit: Inherit via back propagation' (для числовых и логических меток) | 'Inherit: auto' (для нечисловых меток) |
Укажите тип данных для выхода score. Тип может быть унаследован, задан непосредственно или выражен как объект типа данных, такой как Simulink.NumericType.
Когда вы выбираете Inherit: auto, блок использует правило, которое наследует тип данных.
Для получения дополнительной информации о типах данных смотрите Типы данных управляющего сигнала (Simulink).
Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, которая помогает вам задать атрибуты type данных. Для получения дополнительной информации смотрите Задать типы данных Используя Data Type Assistant (Simulink).
Параметры блоков: ScoreDataTypeStr |
| Тип: Вектор символов |
Значения: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
По умолчанию: 'Inherit: auto' |
Укажите тип данных для внутренних нетрансформированных счетов. Тип может быть унаследован, задан непосредственно или выражен как объект типа данных, такой как Simulink.NumericType.
Когда вы выбираете Inherit: auto, блок использует правило, которое наследует тип данных.
Для получения дополнительной информации о типах данных смотрите Типы данных управляющего сигнала (Simulink).
Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, которая помогает вам задать атрибуты type данных. Для получения дополнительной информации смотрите Задать типы данных Используя Data Type Assistant (Simulink).
Можно задать этот параметр, только если модель задана как Select trained machine learning model использует преобразование счета кроме 'none' (по умолчанию, так же, как 'identity').
Если модель не использует преобразования счета ('none' или 'identity'), затем можно задать тип данных счета при помощи Score data type.
Если в модели используется преобразование счета, отличное от 'none' или 'identity', затем можно задать тип данных нетрансформированных необработанных счетов с помощью этого параметра и указать тип данных преобразованных счетов с помощью Score data type.
Вы можете изменить опцию преобразования счета, задав 'ScoreTransform' аргумент имя-значение во время обучения или путем изменения ScoreTransform свойство после обучения.
Параметры блоков: RawScoreDataTypeStr |
| Тип: Вектор символов |
Значения: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
По умолчанию: 'Inherit: auto' |
Типы данных |
|
Прямое сквозное соединение |
|
Многомерные сигналы |
|
Сигналы переменного размера |
|
Обнаружение пересечения нулем |
|
Вы можете использовать блок MATLAB Function с predict функция объекта древовидного объекта классификации (ClassificationTree или CompactClassificationTree). Для получения примера смотрите Предсказание меток классов с использованием Блока MATLAB function.
При решении, использовать ли блок ClassificationTree Predict в библиотеке Statistics and Machine Learning Toolbox™ или блоке MATLAB Function с predict функцию, примите к сведению следующее:
Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer) для преобразования модели с плавающей точкой в фиксированную точку.
Поддержка массивов переменного размера должна быть включена для блока MATLAB Function с predict функция.
Если вы используете блок MATLAB Function, можно использовать функции MATLAB для предварительной обработки или постобработки до или после предсказаний в том же блоке MATLAB Function.
