主要内容

保证金

分类边距

全部展开页面

语法

M=保证金（ens、tbl、ResponseArName）
M =利润率(实体、资源描述,Y)
M =利润率(实体,X, Y)
M =利润(＿＿＿名称、值)

描述

米=利润(实体，tbl，ResponseVarName）返回预测的分类边距实体对数据tbl，而真正的分类是资源描述。ResponseVarName．

米=利润(实体，tbl，Y）返回预测的分类边距实体对数据tbl，而真正的分类是Y．

米=利润(实体，X，Y）返回预测的分类边距实体对数据X，而真正的分类是Y．

米=利润(＿＿＿名称,值）使用一个或多个指定的附加选项计算margin名称,值Pair参数，使用前面的任何语法。

输入参数

实体

用fitcensemble，或创建的紧凑分类集成契约．

tbl

样本数据，指定为表。每一行的tbl对应一个观察值，每一列对应一个预测变量。tbl必须包含用于训练模型的所有预测值。不允许使用字符向量的单元格数组以外的多列变量和单元格数组。

如果你训练实体示例数据包含在桌子，则此方法的输入数据也必须在表中。

ResponseVarName

响应变量名称，指定为中变量的名称tbl．

您必须指定ResponseVarName作为字符向量或字符串标量。例如，如果响应变量Y存储为资源描述。Y，则指定为“Y”．否则，软件将对所有列进行处理tbl,包括Y，作为训练模型时的预测因子。

X

要分类的数据矩阵。每行X表示一个观察值，每列表示一个预测值。X必须具有与用于训练的数据相同的列数实体．X应该有相同的行数的元素在Y．

如果你训练实体使用矩阵中包含的样本数据，则此方法的输入数据也必须在矩阵中。

Y

中观测值的类别标签tbl或X．Y是否应与培训所用的分类类型相同实体，它的元素数应等于的行数tbl或X．

名称-值对的观点

指定可选的逗号分隔的对名称,值论据。的名字参数名和价值是对应的值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数名称1，值1，…，名称，值．

“学习者”

集合中弱学习者的指标从1来实体.NumTrained．软泥仅使用这些学习者计算损失。

默认值:1：NumTrained

“UseObsForLearner”

大小的逻辑矩阵N-借-T,地点:

  • N是的行数X．

  • T弱学习者的人数在多少实体．

什么时候UseObsForLearner (i, j)是真的,学习者j用于预测行的类别我属于X．

默认值:真正的(N, T)

输出参数

米

具有相同行数的数字列向量tbl或X．每一行的米给出了这一行的分类裕度tbl或X．

例子

全部展开

打开实时脚本

从列表中找出平均花分类的边距fisheriris数据作为“花色”．

加载Fisher虹膜数据集。

负载fisheriris

使用AdaBoostM2训练100个增强分类树的集合。

t=模板树(“MaxNumSplits”,1);弱学习器模板树对象实体= fitcensemble(量、种类、“方法”，“AdaBoostM2”，“学习者”t);

对一个普通的花进行分类并找出分类边缘。

花=意味着(量);预测(实体、花)
ans =1x1单元阵列{“癣”}
页边（页边、花、，“花色”）
ans = 3.2140

更多关于

全部展开

扩展功能

另请参阅

||

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书