Ошибка классификации
L = loss(ens,tbl,ResponseVarName)
L = loss(ens,tbl,Y)
L = loss(ens,X,Y)
L = loss(___,Name,Value)
возвращает ошибку классификации для ансамбля L
= loss(ens
,tbl
,ResponseVarName
)ens
вычисленная таблица использования предикторов tbl
и истинный класс маркирует tbl.ResponseVarName
.
возвращает ошибку классификации для ансамбля L
= loss(ens
,tbl
,Y
)ens
вычисленная таблица использования предикторов tbl
и истинный класс маркирует Y
.
возвращает ошибку классификации для ансамбля L
= loss(ens
,X
,Y
)ens
вычисленная матрица использования предикторов X
и истинный класс маркирует Y
.
вычисляет ошибку классификации с дополнительными опциями, заданными одним или несколькими L
= loss(___,Name,Value
)Name,Value
парные аргументы, с помощью любого из предыдущих синтаксисов.
При вычислении потери, loss
нормирует вероятности класса в ResponseVarName
или Y
к вероятностям класса, используемым для обучения, сохраненного в Prior
свойство ens
.
|
Ансамбль классификации, созданный с |
|
Выборочные данные в виде таблицы. Каждая строка Если вы обучили |
|
Имя переменной отклика в виде имени переменной в Необходимо задать |
|
Матрица данных, чтобы классифицировать. Каждая строка Если вы обучили |
|
Метки класса наблюдений в |
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
.
|
Индексы слабых учеников в ансамбле в пределах от Значение по умолчанию: | ||||||||||||||||
|
Функция потерь в виде разделенной запятой пары, состоящей из
Для получения дополнительной информации о функциях потерь смотрите Потерю Классификации. Значение по умолчанию: | ||||||||||||||||
|
Значение выхода
Значение по умолчанию: | ||||||||||||||||
|
Логическая матрица размера Когда Значение по умолчанию: | ||||||||||||||||
|
Вектор из весов наблюдения, с неотрицательными записями. Длина Значение по умолчанию: |
|
Потеря классификации, по умолчанию часть неправильно классифицированных данных. |