Класс: CompactTreeBagger
Классификационный запас
mar = margin(B,TBLnew,Ynew)
mar = margin(B,Xnew,Ynew)
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar
= margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
mar = margin(B,TBLnew,Ynew) вычисляет классификационные поля для предикторов, содержащихся в таблице TBLnew заданный истинный ответ Ynew. Можно опускать Ynew если TBLnew содержит переменную отклика. Если вы тренировались B используя выборочные данные, содержащуюся в таблице, тогда входные данные для этого метода должны также быть в таблице.
mar = margin(B,Xnew,Ynew) вычисляет классификационные поля для предикторов, содержащихся в матрице Xnew заданный истинный ответ Ynew.
Ynew может быть числовым вектором, матрицей символа, строковыми массивами, массивом ячеек векторов символов, категориальным вектором или логическим вектором. mar - числовой массив размера Nobs-by- NTrees, где Nobs количество строк TBLnew и Ynew, и NTrees количество деревьев в ансамбле B. Для I наблюдений и древовидные J, mar(I,J) - различие между счетом для истинного класса и самым большим счетом для других классов. Этот метод доступен только для классификационных ансамблей.
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) или mar
= margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) задает необязательные пары "имя-значение" параметра:
'Mode' | Как метод вычисляет ошибки. Если установлено значение 'cumulative' (по умолчанию), margin вычисляет совокупные ошибки и mar является Nobs-by- NTrees матрица, где первый столбец выдает ошибку от trees(1), второй столбец дает ошибку от trees(1:2) и т.д., до trees(1:NTrees). Если установлено значение 'individual', mar является Nobs-by- NTrees матрица, где каждый элемент является ошибкой от каждого дерева в ансамбле. Если установлено значение 'ensemble', mar один столбец длины Nobs отображение совокупных полей для всего ансамбля. |
'Trees' | Вектор индексов, указывающих, какие деревья включать в этот расчет. По умолчанию для этого аргумента задано значение 'all' и метод использует все деревья. Если 'Trees' является числовым вектором, метод возвращает вектор длины NTrees для 'cumulative' и 'individual' режимы, где NTrees - количество элементов в векторе вход и скаляр для 'ensemble' режим. Для примера, в 'cumulative' mode, первый элемент выдает ошибку от trees(1), второй элемент дает ошибку от trees(1:2) и т.д. |
'TreeWeights' | Вектор весов дерева. Этот вектор должен иметь ту же длину, что и 'Trees' вектор. Метод использует эти веса, чтобы объединить выход из заданных деревьев, взяв взвешенное среднее значение вместо простого невзвешенного большинства голосов. Вы не можете использовать этот аргумент в 'individual' режим. |
'UseInstanceForTree' | Логическая матрица размера Nobs-by- NTrees указание на то, какие деревья следует использовать для внесения предсказаний в каждое наблюдение. По умолчанию метод использует все деревья для всех наблюдений. |
