Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

resubLoss

Clase: ClassificationDiscriminant

Error de clasificación por reenvío

Sintaxis

L = resubLoss(obj)
L = resubLoss(obj,Name,Value)

Descripción

L = resubLoss(obj) Devuelve la pérdida de reenvío, es decir, la pérdida calculada para los datos que se utilizaron para crear.fitcdiscrobj

L = resubLoss(obj,Name,Value) Devuelve estadísticas de pérdida con opciones adicionales especificadas por uno o más argumentos de par.Name,Value

Argumentos de entrada

expandir todo

obj

Clasificador de análisis discriminante, producido utilizando.fitcdiscr

Argumentos de par nombre-valor

Especifique pares de argumentos separados por comas opcionales. es el nombre del argumento y es el valor correspondiente. deben aparecer dentro de las cotizaciones.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como.Name1,Value1,...,NameN,ValueN

Función de pérdida, especificada como el par separado por comas que consta de y un identificador de función o nombre de función de pérdida integrado.'LossFun'

  • La tabla siguiente enumera las funciones de pérdida disponibles. Especifique uno utilizando el vector de caracteres correspondiente o escalar de cadena.

    ValorDescripción
    'binodeviance'Desviación binomial
    'classiferror'Error de clasificación
    'exponential'Exponencial
    'hinge'Bisagra
    'logit'Logística
    'mincost'Costo mínimo previsto de clasificación errónea (para puntuaciones de clasificación que son probabilidades posteriores)
    'quadratic'Cuadrática

    es adecuada para las puntuaciones de clasificación que son probabilidades posteriores.'mincost' Los modelos de análisis discriminantes devuelven las probabilidades posteriores como puntuaciones de clasificación de forma predeterminada (consulte predict).

  • Especifique su propia función utilizando la notación de identificador de función.

    Supongamos que es el número de observaciones en y ser el número de clases distintas ().nXKnumel(obj.ClassNames) La función debe tener esta firma

    lossvalue = lossfun(C,S,W,Cost)
    Dónde:

    • El argumento de salida es un escalar.lossvalue

    • Elija el nombre de la función (lossfun).

    • es una matriz lógica con filas que indican a qué clase pertenece la observación correspondiente.CnK El orden de las columnas corresponde al orden de la clase.obj.ClassNames

      Construya estableciendo si la observación está en la clase, para cada fila.CC(p,q) = 1pq Establezca todos los demás elementos de la fila en.p0

    • es una matriz numérica de puntuaciones de clasificación.SnK El orden de las columnas corresponde al orden de la clase. es una matriz de puntuaciones de clasificación, similar a la salida de.obj.ClassNamesSPredecir

    • es un vector numérico de pesos de observación de-por-1.Wn Si pasa, el software los normaliza para sumar.W1

    • es una matriz numérica de costes de clasificación errónea.CostoKK Por ejemplo, especifica un coste para la clasificación correcta y para la clasificación errónea.Cost = ones(K) - eye(K)01

    Especifique la función mediante 'LossFun',@lossfun.

Para obtener más información sobre las funciones de pérdida, consulte.Pérdida de clasificación

Tipos de datos: char | string | function_handle

Argumentos de salida

L

Error de clasificación, un escalar. El significado del error depende de los valores de y.weightslossfun Ver.Pérdida de clasificación

Ejemplos

Calcule el error de clasificación de reenvío para los datos de iris de Fisher:

load fisheriris obj = fitcdiscr(meas,species); L = resubLoss(obj)  L =     0.0200

Más acerca de

expandir todo