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

CompactClassificationEnsemble

Paquete: classreg.learning.classif

Clase de conjunto de clasificación compacta

Descripción

Versión compacta de un conjunto de clasificación (de clase).ClassificationEnsemble La versión compacta no incluye los datos para entrenar el conjunto de clasificación. Por lo tanto, no puede realizar algunas tareas con un conjunto de clasificación compacta, como la validación cruzada. Utilice un conjunto de clasificación compacto para realizar predicciones (clasificaciones) de nuevos datos.

Construcción

ens = compact(fullEns) construye un conjunto de decisiones compacto a partir de un conjunto de decisiones completo.

Argumentos de entrada

fullEns

Un conjunto de clasificación creado por.fitcensemble

Propiedades

CategoricalPredictors

Índices predictores categóricos, especificados como un vector de enteros positivos. contiene valores de índice correspondientes a las columnas de los datos del predictor que contienen predictores categóricos.CategoricalPredictors Si ninguno de los predictores es categórico, entonces esta propiedad está vacía ().[]

ClassNames

Lista de los elementos con duplicados eliminados. puede ser un vector numérico, Vector de variables categóricas, Vector lógico, matriz de caracteres o matriz de celdas de vectores de caracteres. tiene el mismo tipo de datos que los datos del argumento.YClassNamesClassNamesY (The software treats string arrays as cell arrays of character vectors.)

CombineWeights

Vector de caracteres que describe cómo combina pesos débiles del alumno, ya sea o.ens'WeightedSum''WeightedAverage'

Cost

Matriz cuadrada, donde es el costo de clasificar un punto en la clase si su clase verdadera es (las filas corresponden a la clase true y las columnas corresponden a la clase pronosticada).Cost(i,j)ji El orden de las filas y columnas corresponde al orden de las clases en.CostoClassNames El número de filas y columnas en es el número de clases únicas en la respuesta.Costo Esta propiedad es de solo lectura.

ExpandedPredictorNames

Nombres de predictores ampliados, almacenados como una matriz de vectores de caracteres de celda.

Si el modelo utiliza codificación para variables categóricas, incluye los nombres que describen las variables expandidas.ExpandedPredictorNames De lo contrario, es el mismo que.ExpandedPredictorNamesPredictorNames

NumTrained

Número de estudiantes débiles entrenados en un escalar.ens

PredictorNames

Matriz de nombres de celdas para las variables predictoras, en el orden en que aparecen.X

Prior

Vector numérico de probabilidades previas para cada clase. El orden de los elementos corresponde al orden de las clases en.PriorClassNames El número de elementos de es el número de clases únicas en la respuesta.Prior Esta propiedad es de solo lectura.

ResponseName

Vector de caracteres con el nombre de la variable de respuesta.Y

ScoreTransform

Identificador de función para transformar puntuaciones o vector de caracteres que representa una función de transformación integrada. significa que no hay transformación; equivalentemente, significa.'none''none'@(x)x Para obtener una lista de las funciones de transformación integradas y la sintaxis de las funciones de transformación personalizadas, consulte.fitctree

Añadir o cambiar una función utilizando la notación de puntos:ScoreTransform

ens.ScoreTransform = 'function'

O

ens.ScoreTransform = @function

Trained

Un vector de celda de modelos de clasificación entrenados.

  • Si es o, entoncesMethod'LogitBoost''GentleBoost' CompactClassificationEnsemble almacena al alumno entrenado j en la propiedad del objeto almacenado enCompactRegressionLearner Trained{j}. Es decir, para acceder al alumno entrenado jUso ens.Trained{j}.CompactRegressionLearner.

  • De lo contrario, las celdas del vector de celda contienen los modelos de clasificación compactos correspondientes.

TrainedWeights

Vector numérico de pesos entrenados para los estudiantes débiles en. tiene elementos, donde está el número de estudiantes débiles en.ensTrainedWeightsTTlearners

UsePredForLearner

Matriz lógica de tamaño por-, donde es el número de predictores (columnas) en los datos de entrenamiento. es cuando el alumno utiliza el predictor y es lo contrario.PNumTrainedPXUsePredForLearner(i,j)truejifalse Para cada alumno, los predictores tienen el mismo orden que las columnas de los datos de entrenamiento.X

Si el conjunto no es de tipo, todas las entradas son.SubspaceUsePredForLearnertrue

Métodos

edgeLa arista de clasificación
lossError de clasificación
marginLos márgenes de clasificación
predictClasifique las observaciones utilizando conjuntos de modelos de clasificación
predictorImportanceLas estimaciones de importancia predictora
removeLearnersQuite los miembros del conjunto de clasificación compacta

Semántica de copia

Valor. Para saber cómo afectan las clases de valor a las operaciones de copia, consulte.Copiar objetos (MATLAB)

Ejemplos

contraer todo

Cree un conjunto de clasificación compacto para realizar predicciones de forma eficaz sobre nuevos datos.

Cargue el conjunto de datos.ionosphere

load ionosphere

Entrena un conjunto potenciado de 100 árboles de clasificación utilizando todas las mediciones y el método.AdaBoostM1

Mdl = fitcensemble(X,Y,'Method','AdaBoostM1')
Mdl =    classreg.learning.classif.ClassificationEnsemble              ResponseName: 'Y'     CategoricalPredictors: []                ClassNames: {'b'  'g'}            ScoreTransform: 'none'           NumObservations: 351                NumTrained: 100                    Method: 'AdaBoostM1'              LearnerNames: {'Tree'}      ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'                   FitInfo: [100x1 double]        FitInfoDescription: {2x1 cell}     Properties, Methods  

es un objeto de modelo que contiene los datos de entrenamiento, entre otras cosas.MdlClassificationEnsemble

Cree una versión compacta de.Mdl

CMdl = compact(Mdl)
CMdl =    classreg.learning.classif.CompactClassificationEnsemble              ResponseName: 'Y'     CategoricalPredictors: []                ClassNames: {'b'  'g'}            ScoreTransform: 'none'                NumTrained: 100     Properties, Methods  

es un objeto de modelo. es casi lo mismo que.CMdlCompactClassificationEnsembleCMdlMdl Una excepción es que no almacena los datos de entrenamiento.CMdl

Compare las cantidades de espacio consumido por y.MdlCMdl

mdlInfo = whos('Mdl'); cMdlInfo = whos('CMdl'); [mdlInfo.bytes cMdlInfo.bytes]
ans = 1×2

      854831      608752

consume más espacio que.MdlCMdl

almacena los árboles de clasificación entrenados (objetos de modelo) que componen.CMdl.TrainedCompactClassificationTreeMdl

Muestre un gráfico del primer árbol en el conjunto compacto.

view(CMdl.Trained{1},'Mode','graph');

De forma predeterminada, crece árboles poco profundos para conjuntos de árboles potenciado.fitcensemble

Predecir la etiqueta de la media de usar el conjunto compacto.X

predMeanX = predict(CMdl,mean(X))
predMeanX = 1x1 cell array
    {'g'}

Sugerencias

Para un conjunto de árboles de clasificación, la propiedad de almacena un vector de celda-por-1 de modelos de clasificación compacta.Trainedensens.NumTrained Para una visualización textual o gráfica del árbol t en el vector de celda, ingrese:

  • view(ens.Trained{t}.CompactRegressionLearner) para conjuntos agregados usando LogitBoost o GentleBoost.

  • view(ens.Trained{t}) para todos los demás métodos de agregación.

Capacidades ampliadas

Introducido en R2011a