surrogateAssociation

Означайте прогнозирующую меру ассоциации для суррогатных разделений в дереве классификации

Синтаксис

ma = surrogateAssociation(tree)
ma = surrogateAssociation(tree,N)

Описание

ma = surrogateAssociation(tree) возвращает матрицу прогнозирующих мер ассоциации для предикторов в tree.

ma = surrogateAssociation(tree,N) возвращает матрицу прогнозирующих мер ассоциации, усредненной по узлам в векторном N.

Входные параметры

tree

Дерево классификации, созданное с fitctree, или компактное дерево регрессии создается с compact.

N

Вектор из чисел узла в tree.

Выходные аргументы

ma

  • ma = surrogateAssociation(tree) возвращает P- P матрица, где P количество предикторов в tree. ma(i,j) прогнозирующая мера ассоциации между оптимальным разделением на переменной i и суррогатное разделение на переменной j. Для получения дополнительной информации см. Алгоритмы.

  • ma = surrogateAssociation(tree,N) возвращает P- P представление прогнозирующей меры ассоциации между переменными усреднено по узлам в векторном NN содержит числа узла от 1 к max(tree.NumNodes).

Примеры

развернуть все

Загрузите ирисовый набор данных Фишера.

load fisheriris

Вырастите дерево классификации использование species как ответ. Задайте, чтобы использовать суррогатные разделения для отсутствующих значений.

tree = fitctree(meas,species,'surrogate','on');

Найдите среднюю прогнозирующую меру ассоциации между переменными предикторами.

ma = surrogateAssociation(tree)
ma = 4×4

    1.0000         0         0         0
         0    1.0000         0         0
    0.4633    0.2500    1.0000    0.5000
    0.2065    0.1413    0.4022    1.0000

Найдите среднюю прогнозирующую меру ассоциации усредненной по нечетным узлам в tree.

N = 1:2:tree.NumNodes;
ma = surrogateAssociation(tree,N)
ma = 4×4

    1.0000         0         0         0
         0    1.0000         0         0
    0.7600    0.5000    1.0000    1.0000
    0.4130    0.2826    0.8043    1.0000

Больше о

развернуть все

Алгоритмы

Элемент ma(i,j) прогнозирующая мера ассоциации, усредненной по суррогатным разделениям на предикторе j для которого предиктора i оптимальный предиктор разделения. Это среднее значение вычисляется путем подведения итогов положительных значений прогнозирующей меры ассоциации по оптимальным разделениям на предикторе i и суррогат разделяет на предикторе j и деление на общее количество оптимальных разделений на предикторе i, включая разделения, для который прогнозирующая мера ассоциации между предикторами i и j отрицательно.

Расширенные возможности

Смотрите также

|