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

kfoldEdge

Margen de clasificación para observaciones no utilizadas para la formación

Sintaxis

E = kfoldEdge(obj)
E = kfoldEdge(obj,Name,Value)

Descripción

E = kfoldEdge(obj) Devuelve el borde de clasificación (margen de clasificación promedio) obtenido mediante el modelo de clasificación de validación cruzada.obj Para cada pliegue, este método calcula el borde de clasificación para las observaciones en pliegue utilizando un conjunto entrenado en observaciones fuera de pliegue.

E = kfoldEdge(obj,Name,Value) calcula el borde con opciones adicionales especificadas por uno o más argumentos de par.Name,Value Puede especificar varios argumentos de par nombre-valor en cualquier orden como.Name1,Value1,…,NameN,ValueN

Argumentos de entrada

obj

Objeto de clase.ClassificationPartitionedModel

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

'folds'

Índices de pliegues que van desde.1obj.KFold Utilice sólo estos pliegues para las predicciones.

Predeterminado: 1:obj.KFold

'mode'

Vector de caracteres o escalar de cadena que representa el significado de la salida:Borde

  • — es un valor escalar, el promedio sobre todos los pliegues.'average'Borde

  • — es un vector de longitud con un elemento por pliegue.'individual'Bordeobj.KFold

Predeterminado: 'average'

Argumentos de salida

E

El margen de clasificación promedio. es un escalar o un vector, dependiendo de la configuración del par nombre-valor.Emode

Ejemplos

expandir todo

Calcule el borde plegado para un modelo entrenado en los datos de iris de Fisher.k

Cargue el conjunto de datos de iris de Fisher.

load fisheriris

Entrenar un clasificador de árbol de clasificación.

tree = fitctree(meas,species);

Cross valida el clasificador mediante la validación cruzada de 10 veces.

cvtree = crossval(tree);

Calcule el borde plegado.k

edge = kfoldEdge(cvtree)
edge = 0.8578 

Más acerca de

expandir todo