主要内容

kfoldMargin

交叉验证分类模型的分类边际

折叠所有页面

    语法

    M = kfoldMargin(cvdl)
    M = kfoldMargin(cvdl，'IncludeInteractions'， IncludeInteractions)

    描述

    例子

    米= kfoldMargin (CVMdl）返回分类的利润率通过交叉验证的分类模型得到CVMdl．对于每一次折叠，kfoldMargin使用在训练折叠观测上训练的分类器计算验证折叠观测的分类边界。CVMdl。X而且CVMdl。Y包含两组观察结果。

    米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions）指定是否在计算中包含交互项。此语法仅适用于广义加法模型。

    例子

    全部折叠

    打开实时脚本

    找到k的集合的折叠边距电离层数据。

    加载电离层数据集。

    负载电离层

    创建一个模板树桩。

    t = templateTree(“MaxNumSplits”1);

    训练一个决策树分类集合。指定t作为学习能力差的人。

    Mdl = fitcensemble(X,Y，“方法”，“AdaBoostM1”，“学习者”t);

    使用10倍交叉验证交叉验证分类器。

    cvens =交叉val(Mdl);

    计算k倍边距。显示页边距的汇总统计信息。

    m = kfoldMargin(cvens);marginStats = table(min(m)，mean(m)，max(m)，.．.“VariableNames”，{“最小值”，“的意思是”，“马克斯”}）
    marginStats =1×3表最小的意思是最大  _______ ______ ______ - 11.312 7.3236 23.517

    输入参数

    全部折叠

    交叉验证的分区分类器，指定为ClassificationPartitionedModel，ClassificationPartitionedEnsemble,或ClassificationPartitionedGAM对象。创建对象有两种方式:

    • 将下表中列出的经过训练的分类模型传递给它crossval对象的功能。

    • 使用下表中列出的函数训练分类模型，并为该函数指定一个交叉验证的名称-值参数。

    分类模型 函数
    ClassificationDiscriminant fitcdiscr
    ClassificationEnsemble fitcensemble
    ClassificationGAM fitcgam
    ClassificationKNN fitcknn
    ClassificationNaiveBayes fitcnb
    ClassificationNeuralNetwork fitcnet
    ClassificationSVM fitcsvm
    ClassificationTree fitctree

    标志，以包括模型的交互术语，指定为真正的或假．这一论点仅对广义可加模型(GAM)有效。也就是说，您只能在以下情况下指定此参数CVMdl是ClassificationPartitionedGAM．

    默认值为真正的如果模型CVMdl（CVMdl。训练有素的)包含交互术语。取值必须为假如果模型不包含交互项。

    数据类型:逻辑

    输出参数

    全部折叠

    分类的利润率，作为数字向量返回。米是一个n-by-1向量，其中每一行都是对应观测值和的裕度n是观测的数量。（n是尺寸(CVMdl.X, 1)当观察结果排成一行时。)

    如果您使用拒绝验证技术来创建CVMdl(也就是说，如果CVMdl。KFold是1),然后米有南训练折叠观测值。

    更多关于

    全部折叠

    分类保证金

    的分类保证金对于二元分类，对于每个观察，是真实类别的分类分数与虚假类别的分类分数之间的差值。的分类保证金对于多类分类是真类的分类分数与假类的最大分数之间的差值。

    如果边际值在相同的尺度上(也就是说，分数值基于相同的分数转换)，那么它们可以作为分类置信度度量。在多个分类器中，利润率更高的分类器更好。

    算法

    kfoldMargin计算相应的分类边距保证金对象的功能。有关特定于模型的描述，请参见相应的保证金函数参考页下表。

    模型类型 保证金函数
    判别分析分类器 保证金
    集成分类器 保证金
    广义加性模型分类器 保证金
    k-最近邻分类器 保证金
    朴素贝叶斯分类器 保证金
    神经网络分类器 保证金
    万博1manbetx支持向量机分类器 保证金
    用于多类分类的二叉决策树 保证金

    扩展功能

    另请参阅

    ||||

    在R2011a中引入

    统计和机器学习工具箱文档

    万博1manbetx

    掌握机器学习:一步一步的MATLAB指南

    掌握机器学习:一步一步的MATLAB指南

    下载电子书