resubPredict

Классифицируйте наблюдения на ансамбль моделей классификации

Синтаксис

label = resubPredict(ens)
[label,score] = resubPredict(ens)
[label,score] = resubPredict(ens,Name,Value)

Описание

label = resubPredict(ens) возвращается, маркирует ens предсказывает для данных ens.XМетка предсказания ens на данных это fitcensemble используемый, чтобы создать ens.

[label,score] = resubPredict(ens) также возвращает музыку ко всем классам.

[label,score] = resubPredict(ens,Name,Value) находит предсказания перезамены с дополнительными опциями заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

ens

Ансамбль классификации, созданный с fitcensemble.

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

learners

Индексы слабых учеников в ансамбле в пределах от 1 к NumTrained. oobLoss использование только эти ученики для вычисления потери.

Значение по умолчанию: 1:NumTrained

Выходные аргументы

label

Ответ ens предсказывает для обучающих данных. label совпадающий тип данных как учебные данные об ответе ens.Y, и имеет то же количество записей как количество строк в ens.X.

score

N- K матрица, где N количество строк в ens.X, и K количество классов в ens. Высокое значение баллов указывает, что наблюдение, вероятно, прибывает из этого класса.

Примеры

развернуть все

Найдите общее количество misclassifications fisheriris данные для ансамбля классификации.

Загрузите ирисовый набор данных Фишера.

load fisheriris

Обучите ансамбль 100 повышенных деревьев классификации с помощью AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Найдите общее количество misclassifications.

Ypredict = resubPredict(ens); % The predictions
Ysame = strcmp(Ypredict,species); % True when Ypredict and species are equal
sum(~Ysame) % Number of different predictions
ans = 5

Больше о

развернуть все

Расширенные возможности

Смотрите также

| | |

Для просмотра документации необходимо авторизоваться на сайте