Предскажите метки с помощью дерева классификации
дополнительные опции использования заданы одним или несколькими label
= predict(Mdl
,X
,Name,Value
)Name,Value
парные аргументы. Например, можно задать, чтобы сократить Mdl
к конкретному уровню прежде, чем предсказать метки.
[
использование любой входной параметр в предыдущих синтаксисах и дополнительно возвращается:label
,score
,node
,cnum
]
= predict(___)
Матрица A классификационных оценок (score
) указание на вероятность, что метка прибывает из конкретного класса. Для деревьев классификации баллы являются апостериорными вероятностями. Для каждого наблюдения в X
, предсказанная метка класса соответствует ожидаемой стоимости misclassification минимума среди всех классов.
Вектор из предсказанных чисел узла для классификации (node
).
Вектор из предсказанного классификационного индекса для классификации (cnum
).
predict
генерирует предсказания следующим ветви Mdl
пока это не достигает вершины или отсутствующего значения. Если predict
достигает вершины, она возвращает классификацию того узла.
Если predict
достигает узла с отсутствующим значением для предиктора, его поведение зависит от установки Surrogate
пара "имя-значение", когда fitctree
построения Mdl
.
Surrogate
= 'off'
(значение по умолчанию) — predict
возвращает метку с наибольшим числом обучающих выборок, которые достигают узла.
Surrogate
= 'on'
— predict
использует лучшее суррогатное разделение в узле. Если все суррогатные переменные разделения с положительным predictive measure of association отсутствуют, predict
возвращает метку с наибольшим числом обучающих выборок, которые достигают узла. Для определения смотрите Прогнозирующую Меру Ассоциации.
Интегрировать предсказание модели дерева классификации в Simulink®, можно использовать блок ClassificationTree Predict в библиотеке Statistics and Machine Learning Toolbox™ или MATLAB® Функциональный блок с predict
функция. Для примеров смотрите, Предсказывают, что Класс Маркирует Using ClassificationTree Predict Block и Predict Class Labels Using MATLAB Function Block.
При решении, который подход использовать, рассмотрите следующее:
Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer), чтобы преобразовать модель с плавающей точкой в фиксированную точку.
Поддержка массивов переменного размера должна быть включена для блока MATLAB function с predict
функция.
Если вы используете блок MATLAB function, можно использовать функции MATLAB для предварительной обработки или последующей обработки прежде или после предсказаний в том же блоке MATLAB function.
fitctree
| compact
| prune
| loss
| edge
| margin
| CompactClassificationTree
| ClassificationTree