主要内容

边缘

分类边缘

描述

E.=边缘(资源描述ResponseVarName返回分类边与数据资源描述和分类tbl.responsevarname.

E.=边缘(Xy返回分类边与数据X和分类y

E.=边缘(___名称,价值使用一个或多个指定的附加选项计算边缘名称,价值使用前面的任何语法对参数。例如,可以指定观察权值。

输入参数

展开全部

经过训练的分类树,指定为ClassificationTreeCompactClassificationTree模型对象。那是,是训练有素的分类模型返回fitctree紧凑的

示例数据,指定为表。每一排资源描述对应一个观察结果,每一列对应一个预测变量。可选地,资源描述可以包含响应变量和观察权值的附加列。资源描述必须包含所有用于训练的预测器吗。不允许多列变量和单元格数组(字符向量的单元格数组除外)。

如果资源描述包含用于训练的响应变量,那么你不需要指定ResponseVarNamey

如果你训练使用包含的示例数据表格,则此方法的输入数据也必须在一个表中。

数据类型:表格

要分类的数据,指定为数字矩阵。每一排X表示一个观察结果,每一列表示一个预测器。X必须具有与用于训练的数据相同的列数X必须具有相同数量的行作为元素的数量y

数据类型:单身的|

响应变量名,指定为中变量的名称资源描述。如果资源描述包含用于训练的响应变量,那么你不需要指定ResponseVarName

如果您指定ResponseVarName,那么你必须这样做作为字符向量或字符串标量。例如,如果存储为响应变量tbl.response.,然后将其指定为'回复'。否则,软件处理的所有列资源描述,包括tbl.responsevarname.预测因子。

响应变量必须是分类,字符或字符串阵列,逻辑或数字矢量或字符向量的单元格数组。如果响应变量是字符数组,则每个元素必须对应于数组的一行。

数据类型:字符|细绳

类标签,指定为类别、字符或字符串数组、逻辑或数字vector或字符vector的单元格数组。y必须与用于培训的分类相同类型,它的元素数量必须等于行的行数X

数据类型:分类|字符|细绳|逻辑|单身的||细胞

名称-值对的观点

指定可选的逗号分离对名称,价值参数。名称是参数名称和价值是对应的值。名称必须出现在引号内。您可以按如下顺序指定几个名称和值对参数Name1, Value1,…,的家

观察值权重,指定为逗号分隔的对,由'重量'和数字矢量或变量的名称资源描述

如果您指定重量作为数字矢量,那么大小重量必须等于行数在X资源描述

如果您指定重量作为变量的名称资源描述,您必须这样做作为字符向量或字符串标量。例如,如果重量被存储为TBL.W.,然后将其指定为' W '。否则,软件处理的所有列资源描述,包括TBL.W.预测因子。

如果你提供权重,边缘计算加权分类边缘。该软件对每一行的观测值进行加权X资源描述相应的重量重量

数据类型:单身的||字符|细绳

输出参数

展开全部

分类边缘,作为标量返回,表示余量的加权平均值。

例子

计算Fisher虹膜数据的分类裕度和边缘,对其前两列数据进行训练,查看后10项:

加载fisheririsX =量(:,1:2);树= fitctree (X,物种);E = 0.6299 M = margin(tree,X,species);米(end-10:结束)
Ans = 0.1111 0.1111 0.1111 -0.2857 0.6364 0.6364 0.1111 0.7500 1.000 0.6364 0.2000

在所有数据上培训的分类树更好。

树= fitctree(量、种类);E = 0.9384 M = margin(tree,meas,species);米(end-10:结束)
ANS = 0.9565 0.9565 0.9565 0.9565 0.9565 0.9565 0.9565 0.9565 0.9565 0.9565 0.9565

更多关于

展开全部

扩展能力

也可以看看

|||