Пакет: classreg.learning.partition
Суперклассы: ClassificationPartitionedModel
Перекрестно проверенный классификационный ансамбль
ClassificationPartitionedEnsemble - набор классификационных ансамблей, обученных на перекрестно проверенных складках. Оцените качество классификации путем перекрестной валидации с помощью одного или нескольких методов «kfold»: kfoldPredict, kfoldLoss, kfoldMargin, kfoldEdge, и kfoldfun.
Каждый метод «kfold» использует модели, обученные внутрикратным наблюдениям, чтобы предсказать ответ для несовпадающих наблюдений. Например, предположим, что вы пересекаете проверку с помощью пяти складок. В этом случае каждая обучающая складка содержит примерно 4/5 данных, а каждая тестовая складка содержит примерно 1/5 данных. Первая модель, сохраненная в Trained{1} обучалась на X и Y при исключении первого 1/5 вторая модель хранилась в Trained{2} обучалась на X и Y со вторым 1/5 исключенным, и так далее. Когда вы звоните kfoldPredict, он вычисляет предсказания для первого 1/5 данных с помощью первой модели, для второго 1/5 данных с использованием второй модели и так далее. Короче говоря, реакция на каждое наблюдение вычисляется kfoldPredict использование модели, обученной без этого наблюдения.
cvens = crossval(ens) создает перекрестно проверенный ансамбль из ens, классификационный ансамбль. Для получения дополнительной информации о синтаксисе смотрите crossval страница с описанием метода.
cvens = fitcensemble(X,Y,Name,Value) создает перекрестно проверенный ансамбль при Name является одним из 'CrossVal', 'KFold', 'Holdout', 'Leaveout', или 'CVPartition'. Для получения дополнительной информации о синтаксисе смотрите fitcensemble страница с описанием функции.
|
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 Можно воспроизвести привязанные данные предиктора 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 Xbinned содержит индексы интервала в диапазоне от 1 до количества интервалов для числовых предикторов. Xbinned значения 0 для категориальных предикторов. Если X содержит NaNs, затем соответствующее Xbinned значения NaNс.
|
|
Категориальные индексы предиктора, заданные как вектор положительных целых чисел. |
|
Список элементов в |
|
Массив ячеек из объединителей во всех складках. |
|
Квадратная матрица, где |
|
Имя перекрестно проверенной модели, вектор символов. |
|
Количество складок, используемых в перекрестно проверенном ансамбле, положительное целое число. |
|
Параметры хранения объектов |
|
Количество точек данных, используемых в обучении ансамбля, положительное целое число. |
|
Количество слабых учащихся, используемых при обучении каждой складки ансамбля, положительное целое число. |
|
Разбиение на |
|
Массив ячеек из имен для переменных предиктора в том порядке, в котором они появляются |
|
Числовой вектор априорных вероятностей для каждого класса. Порядок элементов |
|
Имя переменной отклика |
|
Указатель на функцию для преобразования счетов или вектор символов, представляющий встроенную функцию преобразования. Добавление или изменение ens.ScoreTransform = 'function' или ens.ScoreTransform = @function |
|
Массив ячеек ансамблей, обученных на складках для перекрестной валидации. Каждый ансамбль полон, что означает, что он содержит свои обучающие данные и веса. |
|
Массив ячеек из компактных ансамблей, обученных на складках для перекрестной валидации. |
|
Масштабированные |
|
Матрица или таблица значений предиктора. Каждый столбец |
|
Числовой вектор, категориальный вектор, логический вектор, символьный массив или массив ячеек из векторов символов. Каждая строка |
kfoldEdge | Классификационные ребра для перекрестно проверенной классификационной модели |
kfoldLoss | Классификационные потери для перекрестно проверенной классификационной модели |
kfoldMargin | Классификационные поля для перекрестно проверенной классификационной модели |
kfoldPredict | Классифицируйте наблюдения в перекрестно проверенной классификационной модели |
kfoldfun | Функция перекрестной проверки для классификации |
resume | Возобновите обучение учащихся на складках перекрестной валидации |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел «Копирование объектов».