Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
Paquete: classreg.learning.partition
Superclases: ClassificationPartitionedModel
Modelo de códigos de salida de corrección de errores lineales con validación cruzada para la clasificación multiclase de datos de alta cota
es un conjunto de modelos de códigos de salida de corrección de errores (ECOC) compuestos por modelos de clasificación lineal, formados en pliegues con validación cruzada.ClassificationPartitionedLinearECOC
Estimar la calidad de la clasificación mediante validación cruzada utilizando una o más funciones "kfold": kfoldPredict
, kfoldLoss
, kfoldMargin
Y kfoldEdge
.
Cada método "kfold" utiliza modelos formados en observaciones en pliegue para predecir la respuesta para las observaciones fuera de pliegue. Por ejemplo, supongamos que se validan de una validación cruzada con cinco pliegues. En este caso, el software asigna aleatoriamente cada observación en cinco grupos aproximadamente de igual tamaño. El contiene cuatro de los grupos (es decir, aproximadamente 4/5 de los datos) y el contiene el otro grupo (es decir, aproximadamente 1/5 de los datos).pliegue de entrenamientopliegue de prueba En este caso, la validación cruzada procede de la siguiente manera.
El software entrena el primer modelo (almacenado en) utilizando las observaciones de los últimos cuatro grupos y reserva las observaciones en el primer grupo para su validación.CVMdl.Trained{1}
El software entrena el segundo modelo (almacenado en) utilizando las observaciones del primer grupo y los últimos tres grupos.CVMdl.Trained{2}
El software reserva las observaciones en el segundo grupo para su validación.
El software procede de manera similar para los modelos tercero, cuarto y quinto.
Si valida llamando a kfoldPredict
, calcula las predicciones para las observaciones del grupo 1 utilizando el primer modelo, el grupo 2 para el segundo modelo, y así sucesivamente. En Resumen, el software estima una respuesta para cada observación utilizando el modelo entrenado sin esa observación.
los objetos de modelo no almacenan el conjunto de Datos predictores.ClassificationPartitionedLinearECOC
CVMdl = fitcecoc(X,Y,'Learners',t,Name,Value)
Devuelve un modelo ECOC de validación cruzada y lineal cuando:
es o un objeto de plantilla devuelto por.t
'Linear'
templateLinear
es uno de,,, o.Name
'CrossVal'
'CVPartition'
'Holdout'
'KFold'
Para obtener más información, consulte.fitcecoc
kfoldEdge | Margen de clasificación para observaciones no utilizadas para la formación |
kfoldLoss | Pérdida de clasificación para observaciones no utilizadas en la formación |
kfoldMargin | Márgenes de clasificación para observaciones no utilizadas en la formación |
kfoldPredict | Predecir etiquetas para observaciones no utilizadas para el entrenamiento |
Valor. Para saber cómo afectan las clases de valor a las operaciones de copia, consulte.Copiar objetos (MATLAB)
ClassificationECOC
| ClassificationLinear
| fitcecoc
| fitclinear
| kfoldLoss
| kfoldPredict