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

logP

Registre la densidad de probabilidad incondicional para el clasificador Bayes ingenuo

Descripción

lp = logP(Mdl,tbl) Devuelve el registro de las observaciones (filas) en el uso del modelo Bayes ingenuo.densidad de probabilidad incondicionaltblMdl

Puede utilizar para identificar valores atípicos en los datos de entrenamiento.lp

ejemplo

lp = logP(Mdl,X) Devuelve el registro de las observaciones (filas) en el uso del modelo Bayes ingenuo.densidad de probabilidad incondicionalXMdl

Argumentos de entrada

expandir todo

Clasificador Naive Bayes, especificado como modelo o modelo devuelto por oClassificationNaiveBayesCompactClassificationNaiveBayesfitcnb compactRespectivamente.

Datos de ejemplo, especificados como una tabla. Cada fila de corresponde a una observación, y cada columna corresponde a una variable predictora.tbl Opcionalmente, puede contener columnas adicionales para la variable de respuesta y ponderaciones de observación. debe contener todos los predictores utilizados para entrenar.tbltblMdl 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.Mdltable

Tipos de datos: table

Datos de predictor, especificados como una matriz numérica.

Cada fila de corresponde a una observación (también conocida como una instancia o ejemplo), y cada columna corresponde a una variable (también conocida como una característica).X Las variables que componen las columnas de deben ser las mismas que las variables entrenadas.XMdl

Tipos de datos: double | single

Argumentos de salida

expandir todo

Registro de la densidad de probabilidad incondicional de los predictores, devuelto como un vector de columna numérico. tiene tantos elementos como filas, y cada elemento es la densidad de probabilidad de registro de la fila correspondiente en.lpXX

Si alguna fila contiene al menos uno, entonces el elemento correspondiente de es.XNaNlpNaN

Ejemplos

expandir todo

Cargue el conjunto de datos de iris de Fisher.

load fisheriris X = meas;    % Predictors Y = species; % Response

Entrena a un ingenuo clasificador Bayes. Es recomendable especificar el orden de la clase. Supongamos que cada predictor se distribuye condicionalmente normalmente dada su etiqueta.

Mdl = fitcnb(X,Y,'ClassNames',{'setosa','versicolor','virginica'});

es un clasificador entrenado.MdlClassificationNaiveBayes

Calcule las densidades de probabilidad incondicionales de las observaciones en la muestra.

lp = logP(Mdl,X); histogram(lp) xlabel 'Log-unconditional probability' ylabel 'Frequency' title 'Histogram: Log-Unconditional Probability'

Identificar índices de observaciones que tengan una probabilidad logaritmo-incondicional menor que-7.

idx = find(lp < -7)
idx = 3×1

    61
   118
   132

Más acerca de

expandir todo