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

templateDiscriminant

La plantilla de clasificador de análisis discriminante

Descripción

ejemplo

t = templateDiscriminant() Devuelve una plantilla de aprendizaje de análisis discriminante adecuada para conjuntos de entrenamiento o modelos multiclase de código de salida corrector de errores (ECOC).

Si especifica una plantilla predeterminada, el software utiliza los valores predeterminados para todos los argumentos de entrada durante el entrenamiento.

Especifique como alumno en o.tfitcensemblefitcecoc

ejemplo

t = templateDiscriminant(Name,Value) crea una plantilla con opciones adicionales especificadas por uno o más argumentos de par nombre-valor.

Por ejemplo, puede especificar el tipo discriminante o el parámetro de regularización.

Si se muestra en la ventana de comandos, todas las opciones aparecerán vacías (), excepto las que especifique mediante los argumentos de par nombre-valor.t[] Durante el entrenamiento, el software utiliza valores predeterminados para las opciones vacías.

Ejemplos

contraer todo

Cree una plantilla de análisis discriminante no predeterminada para utilizarla.fitcensemble

Cargue el conjunto de datos de iris de Fisher.

load fisheriris

Cree una plantilla para el análisis discriminante pseudolineal.

t = templateDiscriminant('DiscrimType','pseudoLinear')
t =  Fit template for classification Discriminant.      DiscrimType: 'pseudoLinear'           Gamma: []           Delta: []      FillCoeffs: []      SaveMemory: []         Version: 1          Method: 'Discriminant'            Type: 'classification'  

Todas las propiedades del objeto de plantilla están vacías excepto, y.DiscrimTypeMethodType Cuando se entrena en, el software rellena las propiedades vacías con sus respectivos valores predeterminados.

Especifique como un factor débil para un conjunto de clasificación.t

Mdl = fitcensemble(meas,species,'Method','Subspace','Learners',t);

Muestra el error de clasificación errónea en la muestra (reenvío).

L = resubLoss(Mdl)
L = 0.0400 

Argumentos de entrada

contraer todo

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

Ejemplo: especifica una plantilla para el análisis de discriminante pseudolineal que no almacena la matriz de covarianza completa.'DiscrimType','pseudoLinear','SaveMemory','on'

Umbral de coeficiente lineal, especificado como el par separado por comas que consta de un valor escalar no negativo.'Delta' Si un coeficiente de magnitud tiene menor que, establece este coeficiente en, y se puede eliminar el predictor correspondiente del modelo.MdlDeltaMdl0 Se establece en un valor más alto para eliminar más predictores.Delta

debe ser para modelos discriminantes cuadráticos.Delta0

Tipos de datos: single | double

Tipo discriminante, especificado como el par separado por comas que consta de un vector de caracteres o un escalar de cadena en esta tabla.'DiscrimType'

ValorDescripciónEl tratamiento predictor de covarianza
'linear'Análisis discriminante lineal regularizado (LDA)
  • Todas las clases tienen la misma matriz de covarianza.

  • Σ^γ=(1γ)Σ^+γdiag(Σ^).

    Σ^ es la matriz empírica de covarianza agrupada y es la cantidad de regularización.γ

'diaglinear'LdaTodas las clases tienen la misma matriz de covarianza diagonal.
'pseudolinear'LdaTodas las clases tienen la misma matriz de covarianza. El software invierte la matriz de covarianzas utilizando el pseudo inverso.
'quadratic'Análisis discriminante cuadrático (QDA)Las matrices de covarianza pueden variar entre las clases.
'diagquadratic'QDALas matrices de covarianza son diagonales y pueden variar entre las clases.
'pseudoquadratic'QDALas matrices de covarianza pueden variar entre las clases. El software invierte la matriz de covarianzas utilizando el pseudo inverso.

Nota

Para utilizar la regularización, debe especificar.'linear' Para especificar la cantidad de regularización, utilice el argumento de par nombre-valor.Gamma

Ejemplo: 'DiscrimType','quadratic'

marca de propiedad, especificada como el par separado por comas que consta de y o.Coeffs'FillCoeffs''on''off' Establecer la marca para rellenar la propiedad en el objeto clasificador.'on'Coeffs Esto puede ser computacionalmente intensivo, especialmente cuando la validación cruzada. El valor predeterminado es, a menos que especifique un par nombre-valor de validación cruzada, en cuyo caso el indicador se establece en de forma predeterminada.'on''off'

Ejemplo: 'FillCoeffs','off'

Cantidad de regularización a aplicar al estimar la matriz de covarianza de los predictores, especificado como el par separado por comas que consta de y un valor escalar en el intervalo [0,1]. proporciona un control más preciso sobre la estructura de matriz de covarianza que.'Gamma'GammaDiscrimType

  • Si se especifica, el software no utiliza la regularización para ajustar la matriz de covarianza.0 Es decir, el software estima y utiliza la matriz de covarianza empírica sin restricciones.

    • Para el análisis discriminante lineal, si la matriz de covarianza empírica es singular, el software aplica automáticamente la regularización mínima necesaria para invertir la matriz de covarianza. Puede visualizar el importe de regularización elegido introduciendo en la línea de mandatos.Mdl.Gamma

    • Para el análisis de discriminante cuadrático, si al menos una clase tiene una matriz de covarianza empírica que es singular, entonces el software produce un error.

  • Si especifica un valor en el intervalo (0, 1), debe implementar el análisis discriminante lineal, de lo contrario, el software producirá un error. Por lo tanto, el software se establece en.DiscrimType'linear'

  • Si se especifica, el software utiliza la regularización máxima para la estimación de la matriz de covarianza.1 Es decir, el software restringe la matriz de covarianza para que sea diagonal. Alternativamente, puede establecer o para matrices de covarianza diagonales.DiscrimType'diagLinear''diagQuadratic'

Ejemplo: 'Gamma',1

Tipos de datos: single | double

Marca para guardar la matriz de covarianza, especificada como el par separado por comas que consta de y cualquiera o.'SaveMemory''on''off' Si especifica, no almacena la matriz de covarianza completa, sino que almacena suficiente información para calcular la matriz.'on'fitcdiscr el predict método calcula la matriz de covarianza completa para la predicción y no almacena la matriz. Si especifica, a continuación, calcula y almacena la matriz de covarianza completa en.'off'fitcdiscrMdl

Especifique como cuando la matriz de entrada contiene miles de predictores.SaveMemory'on'

Ejemplo: 'SaveMemory','on'

Argumentos de salida

contraer todo

Plantilla de clasificación de análisis discriminante adecuada para conjuntos de entrenamiento o modelos multiclase de código de salida de corrección de errores (ECOC), devueltos como un objeto de plantilla. Pase a o para especificar cómo crear el clasificador de análisis discriminante para el conjunto o el modelo ECOC, respectivamente.tfitcensemblefitcecoc

Si se visualiza en la ventana de comandos, todas las opciones no especificadas aparecerán vacías ().t[] Sin embargo, el software reemplaza las opciones vacías con sus valores predeterminados correspondientes durante el entrenamiento.

Introducido en R2014a