Пакет: classreg.learning.partition
Суперклассы: ClassificationPartitionedModel
Перекрестная проверенная линейная модель для двоичной классификации высокомерных данных
ClassificationPartitionedLinear
- набор линейных классификационных моделей, обученных на перекрестных проверенных складках. Чтобы получить перекрестно проверенную линейную модель классификации, используйте fitclinear
и укажите один из опций перекрестной проверки. Можно оценить качество классификации или как хорошо обобщается линейная модель классификации, используя один или несколько из этих методов «kfold»: kfoldPredict
, kfoldLoss
, kfoldMargin
, и kfoldEdge
.
Каждый метод «kfold» использует модели, обученные внутрикратным наблюдениям, чтобы предсказать ответ для несовпадающих наблюдений. Например, предположим, что вы перекрестно проверяете с помощью пяти складок. В этом случае программное обеспечение случайным образом присваивает каждое наблюдение пяти группам примерно одинакового размера. training fold содержит четыре группы (то есть примерно 4/5 данных), а test fold - другую группу (то есть примерно 1/5 данных). В этом случае перекрестная валидация выполняется следующим образом:
Программное обеспечение обучает первую модель (хранится в CVMdl.Trained{1}
) использование наблюдений в последних четырех группах и резервирует наблюдения в первой группе для валидации.
Программное обеспечение обучает вторую модель, которая хранится в CVMdl.Trained{2}
, используя наблюдения в первой группе и последних трех группах. Программа резервирует наблюдения во второй группе для валидации.
Программа работает подобным образом для третьей-пятой моделей.
Если вы проверяете, вызывая kfoldPredict
, он вычисляет предсказания для наблюдений в группе 1, используя первую модель, группу 2 для второй модели и так далее. Короче говоря, программное обеспечение оценивает ответ для каждого наблюдения, используя модель, обученную без этого наблюдения.
Примечание
ClassificationPartitionedLinear
объекты модели не хранят набор данных предиктора.
CVMdl = fitclinear(X,Y,Name,Value)
создает перекрестно проверенную линейную модель классификации при Name
является либо 'CrossVal'
, 'CVPartition'
, 'Holdout'
, или 'KFold'
. Для получения дополнительной информации см. fitclinear
.
kfoldEdge | Классификационное ребро для наблюдений, не используемых для обучения |
kfoldLoss | Классификационные потери для наблюдений, не используемых в обучении |
kfoldMargin | Классификационные поля для наблюдений, не используемых в обучении |
kfoldPredict | Предсказать метки для наблюдений, не используемых для обучения |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел «Копирование объектов».
ClassificationLinear
| fitclinear
| kfoldLoss
| kfoldPredict