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. |
