Класс: TreeBagger
Средний классификационный запас
mar = meanMargin(B,TBLnew,Ynew)
mar = meanMargin(B,Xnew,Ynew)
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar
= meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
mar = meanMargin(B,TBLnew,Ynew)
вычисляет средние границы классификации для предикторов, содержащихся в таблице TBLnew
учитывая 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 = meanMargin(B,Xnew,Ynew)
вычисляет средние поля классификации для предикторов, содержащихся в матрице Xnew
заданный истинный ответ Ynew
. Если вы тренировались B
используя выборочные данные, содержащуюся в матрице, тогда входные данные для этого метода должны также быть в матрице.
Ynew
может быть числовым вектором, матрицей символа, строковыми массивами, массивом ячеек векторов символов, категориальным вектором или логическим вектором. meanMargin
усредняет поля по всем наблюдениям (строкам) в TBLnew
или Xnew
для каждого дерева. mar
является матрицей размера 1-by- NTrees
, где NTrees
количество деревьев в ансамбле B
. Этот метод доступен только для классификационных ансамблей.
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
или mar
= meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)
задает необязательные пары "имя-значение" параметра:
'Mode' | Вектор символов или строковый скаляр, указывающий как meanMargin вычисляет ошибки. Если установлено значение 'cumulative' (по умолчанию), является вектором длины NTrees где первый элемент дает среднее значение запаса от trees(1) , второй столбец дает средние поля от trees(1:2) etc, до trees(1:NTrees) . Если установлено значение 'individual' , mar является вектором длины NTrees , где каждый элемент является средним краем от каждого дерева в ансамбле. Если установлено значение 'ensemble' , mar является скаляром, показывающим совокупный средний запас 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 дает среднее отклонение от trees(1) второй элемент дает среднее значение запаса от trees(1:2) и т.д. |
'TreeWeights' | Вектор весов дерева. Этот вектор должен иметь ту же длину, что и 'Trees' вектор. meanMargin использует эти веса для объединения выхода из заданных деревьев путем взятия взвешенного среднего значения вместо простого невзвешенного большинства голосов. Вы не можете использовать этот аргумент в 'individual' режим. |
'Weights' | Вектор весов наблюдений для усреднения запаса. По умолчанию вес каждого наблюдения устанавливается равным 1. Длина этого вектора должна быть равна количеству строк в X. |
'UseInstanceForTree' | Логическая матрица размера Nobs -by- NTrees указывает, какие деревья использовать, чтобы делать предсказания для каждого наблюдения. По умолчанию метод использует все деревья для всех наблюдений. |