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

edge

La arista de clasificación

Sintaxis

E = edge(ens,tbl,ResponseVarName)
E = edge(ens,tbl,Y)
E = edge(ens,X,Y)
E = edge(___,Name,Value)

Descripción

E = edge(ens,tbl,ResponseVarName) Devuelve el borde de clasificación para los datos y la clasificación.enstbltbl.ResponseVarName

E = edge(ens,tbl,Y) Devuelve el borde de clasificación para los datos y la clasificación.enstblY

E = edge(ens,X,Y) Devuelve el borde de clasificación para los datos y la clasificación.ensXY

E = edge(___,Name,Value) calcula el borde con opciones adicionales especificadas por uno o más argumentos de par, utilizando cualquiera de las sintaxis anteriores.Name,Value

Argumentos de entrada

ens

Un conjunto de clasificación construido con, o un conjunto de clasificación compacta construido confitcensemble compact.

tbl

Datos de ejemplo, especificados como una tabla. Cada fila de corresponde a una observación, y cada columna corresponde a una variable predictora. debe contener todos los predictores utilizados para entrenar el modelo.tbltbl No se permiten las variables de varias columnas ni matrices de celdas que no sean matrices de celdas de vectores de caracteres.

Si ha entrenado con datos de ejemplo contenidos en a, los datos de entrada para este método también deben estar en una tabla.enstable

ResponseVarName

Nombre de variable de respuesta, especificado como el nombre de una variable en.tbl

Debe especificar como un vector de caracteres o un escalar de cadena.ResponseVarName Por ejemplo, si la variable de respuesta se almacena como, a continuación, especifíquese como.Ytbl.Y'Y' De lo contrario, el software trata todas las columnas de, incluidos, como predictores al entrenar el modelo.tblY

X

Matriz en la que cada fila representa una observación y cada columna representa un predictor. El número de columnas en debe ser igual al número de predictores en.Xens

Si ha entrenado con datos de ejemplo contenidos en una matriz, los datos de entrada para este método también deben estar en una matriz.ens

Y

Etiquetas de clase de observaciones en o. debe ser del mismo tipo que la clasificación utilizada para entrenar, y su número de elementos debe ser igual al número de filas de o.tblXYenstblX

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

'learners'

Índices de estudiantes débiles en el conjunto que van desde. solo usa estos alumnos para calcular la pérdida.1ens.NumTrainedBorde

Predeterminado: 1:NumTrained

'mode'

Significado de la salida:E

  • : es un valor escalar, la arista de todo el conjunto.'ensemble'E

  • : es un vector con un elemento por alumno entrenado.'individual'E

  • : es un vector en el que el elemento se obtiene mediante el uso de alumnos de la lista de entrada de alumnos.'cumulative'EJ1:J

Predeterminado: 'ensemble'

'UseObsForLearner'

Una matriz lógica de tamaño por-, donde:NT

  • es el número de filas de.NX

  • es el número de estudiantes débiles en.Tens

Cuando es, el alumno se usa para predecir la clase de fila de.UseObsForLearner(i,j)truejiX

Predeterminado: true(N,T)

'weights'

Pesos de observación, un vector numérico de longitud.size(X,1) Si proporciona ponderaciones, calcula la arista de clasificación ponderada.Borde

Predeterminado: ones(size(X,1),1)

Argumentos de salida

E

El borde de clasificación, un vector o escalar en función de la configuración del par nombre-valor.mode La arista de clasificación es el margen de clasificación promedio ponderado.

Ejemplos

expandir todo

Busque el borde de clasificación para algunos de los datos utilizados para entrenar un clasificador de conjunto impulsado.

Cargue el conjunto de datos.ionosphere

load ionosphere

Entrena un conjunto de 100 árboles de clasificación potenciado usando AdaBoostM1.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object ens = fitcensemble(X,Y,'Method','AdaBoostM1','Learners',t);

Busque el borde de clasificación para las últimas filas.

E = edge(ens,X(end-10:end,:),Y(end-10:end))
E = 8.3310 

Más acerca de

expandir todo

Capacidades ampliadas

Consulte también

|