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

margin

Los márgenes de clasificación

Sintaxis

M = margin(ens,tbl,ResponseVarName)
M = margin(ens,tbl,Y)
M = margin(ens,X,Y)
M = margin(___Name,Value)

Descripción

M = margin(ens,tbl,ResponseVarName) Devuelve el margen de clasificación para las predicciones de en los datos, cuando las clasificaciones verdaderas son.enstbltbl.ResponseVarName

M = margin(ens,tbl,Y) Devuelve el margen de clasificación para las predicciones de en los datos, cuando las clasificaciones verdaderas son.enstblY

M = margin(ens,X,Y) Devuelve el margen de clasificación para las predicciones de en los datos, cuando las clasificaciones verdaderas son.ensXY

M = margin(___Name,Value) calcula el margen con opciones adicionales especificadas por uno o más argumentos de par, utilizando cualquiera de las sintaxis anteriores.Name,Value

Argumentos de entrada

ens

Conjunto de clasificación creado con, o un conjunto de clasificación compacta creado 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 de datos que se clasificará. Cada fila de representa una observación y cada columna representa un predictor. debe tener el mismo número de columnas que los datos utilizados para entrenar. deben tener el mismo número de filas que el número de elementos.XXensXY

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.NumTrainedoobEdge

Predeterminado: 1:NumTrained

'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)

Argumentos de salida

M

Un vector de columna numérico con el mismo número de filas que o.tblX Cada fila de da el margen de clasificación para esa fila de o.MtblX

Ejemplos

expandir todo

Encuentre el margen para clasificar una flor promedio de los datos como.fisheriris'versicolor'

Cargue el conjunto de datos de iris de Fisher.

load fisheriris

Entrena un conjunto de 100 árboles de clasificación potenciado usando AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Clasifique una flor promedio y encuentre el margen de clasificación.

flower = mean(meas); predict(ens,flower)
ans = 1x1 cell array
    {'versicolor'}

margin(ens,flower,'versicolor')
ans = 3.2140 

Más acerca de

expandir todo

Capacidades ampliadas

Consulte también

| |