主要内容

重新提交

补偿分类边缘

句法

Edge = ResubEdge(ENS)
Edge = ResubEdge(ENS,名称,值)

描述

边缘= ResubEdge(奴隶返回由此获得的分类边缘奴隶在其培训数据上。

边缘= ResubEdge(奴隶名称,价值计算边缘,其中包含一个或多个指定的附加选项名称,价值对论点。您可以以任何顺序指定多个名称值对参数name1,value1,...,namen,valuen

输入参数

奴隶

用。创建的分类集成fitcensemble.

名称值对参数

指定可选的逗号分离对名称,价值论点。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1,value1,...,namen,valuen

'学习者'

在合奏中的弱学习者指数1麻木重新提交仅使用这些学习者来计算边缘。

默认:1:有趣的

“模式”

表示输出含义的字符向量或字符串标量边缘

  • '合奏'-边缘是标量值,整个集合的损失。

  • '个人'-边缘是每训练学习者一个元素的矢量。

  • '累积'-边缘是一个元素的矢量j通过使用学习者获得1:J.来自学习者的输入列表。

默认:'合奏'

输出参数

边缘

由...获得的分类边缘奴隶通过将训练数据重新替换为边缘计算。分类边缘是在整个数据上平均的分类边缘。边缘可以是标量或矢量,具体取决于模式名称值对。

例子

展开全部

寻找对Fisher虹膜数据进行分类的集成的再替代边缘。

加载样本数据集。

加载渔民

使用Adaboostm2培训100个提升的分类树的集合。

t = templatetree('maxnumsplits',1);%弱学习模板树对象ENS = FITCESEMBLE(MEAM,物种,'方法''adaboostm2''学习者',t);

找到补偿边缘。

Edge = ResubEdge(ENS)
Edge = 3.2486.

更多关于

展开全部