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

predict

Predecir etiquetas utilizando el árbol de clasificación

Sintaxis

label = predict(Mdl,X)

label = predict(Mdl,X,Name,Value)

[label,score,node,cnum] = predict(___)

Descripción

label = predict(Mdl,X) Devuelve un vector de las etiquetas de clase previstas para los Datos predictores de la tabla o matriz, en función del árbol de clasificación entrenado, completo o compacto.XMdl

label = predict(Mdl,X,Name,Value) utiliza opciones adicionales especificadas por uno o más argumentos de par.Name,Value Por ejemplo, puede especificar la podar a un nivel determinado antes de predecir las etiquetas.Mdl

[label,score,node,cnum] = predict(___) utiliza cualquiera de los argumentos de entrada en las sintaxis anteriores y, además, devuelve:

• Una matriz de puntuaciones de clasificación () que indica la probabilidad de que una etiqueta proviene de una clase determinada.Puntuación Para los árboles de clasificación, las puntuaciones son probabilidades posteriores. Para cada observación en, el corresponde al mínimo entre todas las clases.Xetiqueta de clase pronosticadacosto de clasificación errónea esperado

• Vector de los números de nodo pronosticados para la clasificación ().node

• Un vector de número de clase pronosticado para la clasificación ().cnum

Argumentos de entrada

Mdl — Árbol de clasificación entrenado

objeto de modeloClassificationTree | objeto de modeloCompactClassificationTree

Árbol de clasificación entrenado, especificado como un objeto de modelo o.ClassificationTreeCompactClassificationTree Es decir, es un modelo de clasificación entrenado devuelto por oMdlfitctree compact.

X — Los Datos predictores que se clasificarán

matriz numérica | Mesa

Datos de predictor que se clasificarán, especificados como una matriz o tabla numérica.

Cada fila de corresponde a una observación, y cada columna corresponde a una variable.X

• Para una matriz numérica:

  • Las variables que componen las columnas de deben tener el mismo orden que las variables predictoras que entrenaron.XMdl

  • Si ha entrenado usando una tabla (por ejemplo,), entonces puede ser una matriz numérica si contiene todas las variables predictoras numéricas.MdlTblXTbl Para tratar los predictores numéricos como categóricos durante el entrenamiento, identifique los predictores categóricos utilizando el argumento de par nombre-valor de.TblCategoricalPredictorsfitctree Si contiene variables predictoras heterogéneas (por ejemplo, tipos de datos numéricos y categóricos) y es una matriz numérica, se produce un error.TblXPredecir

• Para una tabla:

  • no admite variables de varias columnas ni matrices de celdas que no sean matrices de celdas de vectores de caracteres.Predecir

  • Si ha entrenado utilizando una tabla (por ejemplo,), todas las variables predictoras en deben tener los mismos nombres de variables y tipos de datos que los que entrenaron (almacenados en).MdlTblXMdlMdl.PredictorNames Sin embargo, el orden de columna de no necesita corresponder al orden de columna de. y puede contener variables adicionales (variables de respuesta, pesos de observación, etc.), pero las ignora.XTblTblXPredecir

  • Si entrenó con una matriz numérica, los nombres de los predictores y los nombres de las variables predictoras correspondientes deben ser los mismos.MdlMdl.PredictorNamesX Para especificar nombres de predictores durante el entrenamiento, vea el argumento de par nombre-valor de.PredictorNamesfitctree Todas las variables predictoras en deben ser vectores numéricos. puede contener variables adicionales (variables de respuesta, pesos de observación, etc.), pero las ignora.XXPredecir

Tipos de datos: table | double | single

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

'Subtrees' — El nivel de poda

0 (predeterminado) | Vector de enteros no negativos | 'all'

Nivel de poda, especificado como el par separado por comas que consta de y un vector de enteros no negativos en orden ascendente o.'Subtrees''all'

Si especifica un vector, todos los elementos deben ser al menos y como máximo. indica el árbol completo, no podado e indica el árbol completamente podado (es decir, sólo el nodo raíz).0max(Mdl.PruneList)0max(Mdl.PruneList)

Si especifica,'all' predict opera en todos los subárboles (es decir, toda la secuencia de poda). Esta especificación equivale a usar.0:max(Mdl.PruneList)

predict ciruelas a cada nivel indicado en y, a continuación, estima los argumentos de salida correspondientes.MdlSubtrees El tamaño de determina el tamaño de algunos argumentos de salida.Subtrees

Para invocar, las propiedades y de deben estar no vacías.SubtreesPruneListPruneAlphaMdl En otras palabras, crece estableciendo, o podando usandoMdl'Prune','on'Mdl prune.

Ejemplo: 'Subtrees','all'

Tipos de datos: single | double | char | string

Argumentos de salida

label — Las etiquetas de clase previstas

Vector | Matriz

, devuelto como vector o array.Las etiquetas de clase previstas Cada entrada de corresponde a la clase con el costo mínimo esperado para la fila correspondiente de.EtiquetaX

Supongamos que es un vector numérico que contiene elementos (para, ver) y tiene filas.SubtreesT'all'SubtreesXN

• Si el tipo de datos de respuesta es y:char

  • = 1, entonces es una matriz de caracteres que contiene filas.TEtiquetaN Cada fila contiene la etiqueta pronosticada producida por subárbol.Subtrees

  • > 1, entonces es un array-por-Cell.TEtiquetaNT

• De lo contrario, es un-por-array que tiene el mismo tipo de datos que la respuesta.EtiquetaNT (The software treats string arrays as cell arrays of character vectors.)

En los dos últimos casos, la columna j de contiene el vector de las etiquetas pronosticadas producidas por subárbolEtiqueta Subtrees(j).

score — Las probabilidades posteriores

matriz numérica

Las probabilidades posteriores, devueltas como una matriz numérica de tamaño por-, donde es el número de observaciones (filas) en, y es el número de clases (in). es la probabilidad posterior de que la fila de es de clase.NKNXKMdl.ClassNamesscore(i,j)iXj

Si tiene elementos y tiene filas, entonces es un-por--por-Array, y y son-por-matrices.SubtreesTXNPuntuaciónNKTnodecnumNT

node — Los números de nodo

Vector numérico

Números de nodo para las clases pronosticadas, devueltas como un vector numérico. Cada entrada corresponde al nodo pronosticado para la fila correspondiente de.MdlX

cnum — Los números de clase

Vector numérico

Los números de clase correspondientes a la predicción, devueltos como un vector numérico.labels Cada entrada de corresponde a un número de clase predicho para la fila correspondiente de.cnumX

Ejemplos

Predecir etiquetas mediante un árbol de clasificación

Examine las predicciones de algunas filas de un conjunto de datos que no se entrenan.

Cargue el conjunto de datos de iris de Fisher.

load fisheriris

Dividir los datos en formación (50%) y validación (50%) Establece.

n = size(meas,1); rng(1) % For reproducibility idxTrn = false(n,1); idxTrn(randsample(n,round(0.5*n))) = true; % Training set logical indices idxVal = idxTrn == false;                  % Validation set logical indices

Cultivar un árbol de clasificación usando el conjunto de entrenamiento.

Mdl = fitctree(meas(idxTrn,:),species(idxTrn));

Predecir etiquetas para los datos de validación. Cuente el número de observaciones mal clasificadas.

label = predict(Mdl,meas(idxVal,:)); label(randsample(numel(label),5)) % Display several predicted labels

ans = 5x1 cell array
    {'setosa'    }
    {'setosa'    }
    {'setosa'    }
    {'virginica' }
    {'versicolor'}

numMisclass = sum(~strcmp(label,species(idxVal)))

numMisclass = 3 

El software clasifica erróneamente tres observaciones fuera de la muestra.

Estimar las probabilidades posteriores de clase utilizando un árbol de clasificación

Cargue el conjunto de datos de iris de Fisher.

load fisheriris

Dividir los datos en formación (50%) y validación (50%) Establece.

n = size(meas,1); rng(1) % For reproducibility idxTrn = false(n,1); idxTrn(randsample(n,round(0.5*n))) = true; % Training set logical indices idxVal = idxTrn == false;                  % Validation set logical indices

Aumente un árbol de clasificación utilizando el conjunto de entrenamiento y, a continuación, verlo.

Mdl = fitctree(meas(idxTrn,:),species(idxTrn)); view(Mdl,'Mode','graph')

El árbol resultante tiene cuatro niveles.

Estimar las probabilidades posteriores para el conjunto de prueba utilizando subárboles podados a los niveles 1 y 3.

[~,Posterior] = predict(Mdl,meas(idxVal,:),'SubTrees',[1 3]); Mdl.ClassNames

ans = 3x1 cell array
    {'setosa'    }
    {'versicolor'}
    {'virginica' }

Posterior(randsample(size(Posterior,1),5),:,:),...     % Display several posterior probabilities

ans =  ans(:,:,1) =      1.0000         0         0     1.0000         0         0     1.0000         0         0          0         0    1.0000          0    0.8571    0.1429   ans(:,:,2) =      0.3733    0.3200    0.3067     0.3733    0.3200    0.3067     0.3733    0.3200    0.3067     0.3733    0.3200    0.3067     0.3733    0.3200    0.3067  

Los elementos de son probabilidades posteriores de clase:Posterior

• Las filas corresponden a las observaciones del conjunto de validación.

• Las columnas corresponden a las clases enumeradas en.Mdl.ClassNames

• Las páginas corresponden a los subárboles.

El subárbol podado al nivel 1 es más seguro de sus predicciones que el subárbol podado al nivel 3 (es decir, el nodo raíz).

Más acerca de

Etiqueta de clase pronosticada

predict clasifica minimizando el coste de clasificación previsto:

$$\widehat{y}=\underset{y=1,\mathrm{...},K}{\arg \min }{\displaystyle \sum _{j=1}^K\widehat{P}\left(j|x\right)C\left(y|j\right)},$$

Dónde

• $$\widehat{y}$$ es la clasificación pronosticada.

• es el número de clases.K

• $$\widehat{P}\left(j|x\right)$$ es la probabilidad posterior de la clase para la observación.jx

• $$C\left(y|j\right)$$ es el costo de clasificar una observación como cuando es su verdadera clase.yj

Puntuación (árbol)

Para los árboles, la de una clasificación de un nodo hoja es la probabilidad posterior de la clasificación en ese nodo.Puntuación La probabilidad posterior de la clasificación en un nodo es el número de secuencias de entrenamiento que conducen a ese nodo con la clasificación, dividido entre el número de secuencias de entrenamiento que conducen a ese nodo.

Por ejemplo, considere la posibilidad de clasificar un predictor como cuando <or>, y es false en caso contrario.XtrueX0.15X0.95X

Genere 100 puntos aleatorios y clasifíquelos:

rng(0,'twister') % for reproducibility X = rand(100,1); Y = (abs(X - .55) > .4); tree = fitctree(X,Y); view(tree,'Mode','Graph')

Podar el árbol:

tree1 = prune(tree,'Level',1); view(tree1,'Mode','Graph')

El árbol podado clasifica correctamente las observaciones que son inferiores a 0,15 como.true También clasifica correctamente las observaciones de .15 a. 94 como.false Sin embargo, clasifica incorrectamente las observaciones que son mayores que. 94 como.false Por lo tanto, la puntuación para las observaciones que son mayores que .15 debe ser sobre .05/. 85 =. 06 para, y sobre. 8/. 85 =. 94 para.truefalse

Calcule las puntuaciones de predicción para las primeras 10 filas de:X

[~,score] = predict(tree1,X(1:10)); [score X(1:10,:)]

ans = 10×3

    0.9059    0.0941    0.8147
    0.9059    0.0941    0.9058
         0    1.0000    0.1270
    0.9059    0.0941    0.9134
    0.9059    0.0941    0.6324
         0    1.0000    0.0975
    0.9059    0.0941    0.2785
    0.9059    0.0941    0.5469
    0.9059    0.0941    0.9575
    0.9059    0.0941    0.9649

De hecho, cada valor de (la columna de la derecha) que es menor que 0,15 tiene las puntuaciones asociadas (las columnas izquierda y central) y, mientras que los otros valores de tienen puntuaciones asociadas de y.X01X0.910.09 La diferencia (score en lugar de lo esperado) se debe a una fluctuación estadística: hay observaciones en el rango en lugar de las observaciones esperadas.0.09.068X(.95,1)5

Verdadero costo de clasificación errónea

Hay dos costos asociados con la clasificación: el verdadero costo de clasificación errónea por clase y el costo esperado de clasificación errónea por observación.

Puede establecer el coste de clasificación errónea real por clase en el par nombre-valor al crear el clasificador mediante el método. es el costo de clasificar una observación en la clase si su verdadera clase es.CostofitctreeCost(i,j)ji De forma predeterminada, si, y si.Cost(i,j)=1i~=jCost(i,j)=0i=j En otras palabras, el costo es para la clasificación correcta, y para la clasificación incorrecta.01

Costo esperado

Hay dos costos asociados con la clasificación: el verdadero costo de clasificación errónea por clase y el costo esperado de clasificación errónea por observación.

Supongamos que tiene observaciones que desea clasificar con un clasificador entrenado.Nobs Supongamos que tiene clases.K Las observaciones se colocan en una matriz con una observación por fila.Xnew

La matriz de costes esperada tiene el tamaño por.CENobsK Cada fila de contiene el costo esperado (promedio) de clasificar la observación en cada una de las clases. EsCEKCE(n,k)

$${\displaystyle \sum _{i=1}^K\widehat{P}\left(i|Xnew(n)\right)C\left(k|i\right)},$$

Dónde

• es el número de clases.K

• $$\widehat{P}\left(i|Xnew(n)\right)$$ es la probabilidad posterior de clase para observación ().iXnewn

• $$C\left(k|i\right)$$ es el verdadero costo de clasificación errónea de clasificar una observación como cuando es su verdadera clase.ki

Medida predictiva de la Asociación

Es un valor que indica la similitud entre las reglas de decisión que dividen las observaciones.medida predictiva de asociación Entre todas las posibles divisiones de decisión que se comparan con la división óptima (encontrada por el crecimiento del árbol), el mejor rendimiento de la medida predictiva máxima de la asociación.División de decisión sustituta La segunda mejor división sustituta tiene la segunda mayor medida predictiva de asociación.

Supongo X_j Y X_k son variables predictoras y, respectivamente, y ≠.jkjk En el nodo, la medida predictiva de asociación entre la división óptimat X_j < y una división suplenteu X_k < isv

$${\lambda }_{jk}=\frac{\text{min}\left(P_L,P_R\right)-\left(1-P_{L_j{L}_k}-P_{R_j{R}_k}\right)}{\text{min}\left(P_L,P_R\right)}.$$

• P_L es la proporción de observaciones en el nodo, tal quet X_j < .u El subíndice representa el elemento secundario izquierdo del nodo.Lt

• P_R es la proporción de observaciones en el nodo, tal quet X_j ≥.u El subíndice representa el secundario correcto del nodo.Rt

• $$P_{L_j{L}_k}$$ es la proporción de observaciones en el nodo, de tal forma quet X_j < andu X_k < .v

• $$P_{R_j{R}_k}$$ es la proporción de observaciones en el nodo, de tal forma quet X_j ≥ yu X_k ≥.v

• Observaciones con valores faltantes para X_j O X_k no contribuyen a los cálculos de la proporción.

Λ_jk es un valor en (– ∞, 1]. Si λ_jk > 0Entonces X_k < es una división sustituta que vale la pena parav X_j < .u

Algoritmos

genera predicciones siguiendo las ramas de hasta que alcanza un nodo hoja o un valor que falta.PredecirMdl Si llega a un nodo hoja, devuelve la clasificación de ese nodo.Predecir

Si llega a un nodo con un valor que falta para un predictor, su comportamiento depende de la configuración del par nombre-valor cuando se construye.PredecirSurrogatefitctreeMdl

• =Surrogate'off' (valor predeterminado): devuelve la etiqueta con el mayor número de muestras de formación que llegan al nodo.Predecir

• =Surrogate'on' : utiliza la mejor división sustituta en el nodo.Predecir Si faltan todas las variables de división suplente con positivo, devuelve la etiqueta con el mayor número de muestras de entrenamiento que llegan al nodo.medida predictiva de asociaciónPredecir Para obtener una definición, consulte.Medida predictiva de la Asociación

Capacidades ampliadas

Arreglos altos

Realice cálculos con arreglos que tienen más filas de las que caben en la memoria.

Esta función es totalmente compatible con matrices altas. Para obtener más información, consulte.Arreglos altos (MATLAB)

Generación de código C/C++

Genere código C y C++ mediante MATLAB® Coder™.

Usage notes and limitations:

• Use, y para generar código para elsaveCompactModelloadCompactModelcodegen predict Función. Guarde un modelo entrenado utilizando.saveCompactModel Defina una función de punto de entrada que cargue el modelo guardado mediante el uso y llama alloadCompactModel predict Función. A continuación, se utiliza para generar código para la función de punto de entrada.codegen

• Esta tabla contiene notas sobre los argumentos de predict. Los argumentos no incluidos en esta tabla son totalmente compatibles.

  Argumento	Notas y limitaciones
  Mdl	For the usage notes and limitations of the model object, see del objeto.Generación de códigoCompactClassificationTree
  X	Debe ser una matriz de precisión simple o de doble precisión y puede ser de tamaño variable. Sin embargo, el número de columnas en debe serX .numel(Mdl.PredictorNames) Las filas y columnas deben corresponder a observaciones y predictores, respectivamente.
  Etiqueta	Si el tipo de datos de respuesta es y no puede determinar que el valor de es un escalar, a continuación, es una matriz de celdas de vectores de caracteres.charcodegenSubtreesEtiqueta
  Argumentos de par nombre-valor	Names in name-value pair arguments must be compile-time constants. Por ejemplo, para permitir niveles de poda definidos por el usuario en el código generado, incluya en el valor de, Where is.{coder.Constant('Subtrees'),coder.typeof(0,[1,n],[0,1])}-argscodegennmax(Mdl.PruneList)

Para obtener más información, consulte.Introducción a la generación de código

Consulte también

ClassificationTree | CompactClassificationTree | compact | edge | fitctree | loss | margin | prune

Temas

• Especifique argumentos de tamaño variable para la generación de código

Introducido en R2011a

×

Open Example (es)

A modified version of this example exists on your system. Do you want to open this version instead? (es)

No, overwrite the modified version (es) Yes (es)