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

resubEdge

Clase: ClassificationNaiveBayes

Borde de clasificación para clasificadores Bayes ingenuos mediante el reenvío

Descripción

ejemplo

e = resubEdge(Mdl) Devuelve el reenviarlo () para el clasificador Bayes Ingenuo utilizando los datos de entrenamiento almacenados en y las etiquetas de clase correspondientes almacenadas en.borde de clasificacióneMdlMdl.XMdl.Y

Argumentos de entrada

expandir todo

Un clasificador Bayes Ingenuo completamente entrenado, especificado como un modelo entrenado por.ClassificationNaiveBayesfitcnb

Argumentos de salida

expandir todo

, devuelto como un escalar.La arista de clasificación Si ha pasado en pesos al entrenar el clasificador, entonces es el borde de clasificación ponderada.e El software normaliza las ponderaciones de modo que se suman a la probabilidad previa de su respectiva clase.

Ejemplos

expandir todo

Cargue el conjunto de datos de iris de Fisher.

load fisheriris X = meas;    % Predictors Y = species; % Response rng(1);

Entrena a un ingenuo clasificador Bayes. Es recomendable especificar el orden de la clase. Supongamos que cada predictor es condicionalmente, normalmente distribuido dada su etiqueta.

Mdl = fitcnb(X,Y,'ClassNames',{'setosa','versicolor','virginica'});

es un clasificador entrenado.MdlClassificationNaiveBayes

Estime la arista de reenvío.

e = resubEdge(Mdl)
e = 0.8944 

La media de los márgenes de la muestra de entrenamiento es aproximadamente, lo que indica que el clasificador clasifica las observaciones en la muestra con alta confianza.0.9

El borde del clasificador mide el promedio de los márgenes del clasificador. Una forma de realizar la selección de características es comparar los bordes de la muestra de entrenamiento de varios modelos. Basado únicamente en este criterio, el clasificador con el borde más alto es el mejor clasificador.

Cargue el conjunto de datos de iris de Fisher. Defina dos conjuntos de datos:

  • contiene todos los predictores.fullX

  • contiene los dos últimos predictores.partX

load fisheriris X = meas;    % Predictors Y = species; % Response fullX = X; partX = X(:,3:4);

Entrena a los clasificadores Bayes ingenuos para cada conjunto de predictores.

FullMdl = fitcnb(fullX,Y); PartMdl = fitcnb(partX,Y);

Calcule el borde de la muestra de entrenamiento para cada clasificador.

fullEdge = resubEdge(FullMdl)
fullEdge = 0.8944 
partEdge = resubEdge(PartMdl)
partEdge = 0.9169 

El borde para el clasificador entrenado en los predictores 3 y 4 es mayor, sugiriendo que el clasificador entrenado usando sólo esos predictores tiene un mejor ajuste en la muestra.

Más acerca de

expandir todo