ドキュメンテーションヘルプセンタードキュメンテーション
このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
交差検証済み分類モデルの分類マージン
M = kfoldMargin (CVMdl)
M = kfoldMargin (CVMdl IncludeInteractions, IncludeInteractions)
例
米= kfoldMargin (CVMdl)では,交差検証された分類モデルCVMdlにより取得された分類マージンが返されます。kfoldMarginは,すべての分割について,学習分割観測値に対して学習をさせた分類器を使用して,検証分割観測値の分類マージンを計算します。CVMdl。XおよびCVMdl。Yには,両方の観測値のセットが含まれます。
米= kfoldMargin (CVMdl)
米
CVMdl
kfoldMargin
CVMdl。X
CVMdl。Y
米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions)は,計算に交互作用項を含めるかどうかを指定します。この構文は一般化加法モデルにのみ適用されます。
米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions)
includeInteractions
すべて折りたたむ
电离层データを分類するアンサンブルのk分割のマージンを求めます。
电离层
电离层データセットを読み込みます。
负载电离层
木の切り株のテンプレートを作成します。
t = templateTree (“MaxNumSplits”1);
決定木のアンサンブル分類を学習させます。弱学習器としてtを指定します。
t
Mdl = fitcensemble (X, Y,“方法”,“AdaBoostM1”,“学习者”t);
10分割交差検証を使用して分類器を交差検証します。
cvens = crossval (Mdl);
k分割マージンを計算します。マージンの要約統計を表示します。
m = kfoldMargin (cvens);marginStats =表(min (m),意味着(m),马克斯(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
ClassificationPartitionedModel
ClassificationPartitionedEnsemble
ClassificationPartitionedGAM
交差検証された分割済みの分類器。ClassificationPartitionedModelオブジェクト,ClassificationPartitionedEnsembleオブジェクトまたはClassificationPartitionedGAMオブジェクトを指定します。オブジェクトは 2 つの方法で作成できます。
次の表に記載されている学習済み分類モデルをそのオブジェクト関数crossvalに渡す。
crossval
次の表に記載されている関数を使用して分類モデルに学習をさせ,その関数の交差検証に関する名前と値の引数のいずれかを指定する。
ClassificationDiscriminant
fitcdiscr
ClassificationEnsemble
fitcensemble
ClassificationGAM
fitcgam
ClassificationKNN
fitcknn
ClassificationNaiveBayes
fitcnb
ClassificationNeuralNetwork
fitcnet
ClassificationSVM
fitcsvm
ClassificationTree
fitctree
真正的
假
モデルの交互作用項を含むというフラグ。真正的または假として指定します。この引数は,一般化加法モデル(GAM)の場合のみ有効です。つまり,この引数を指定できるのは,CVMdlがClassificationPartitionedGAMである場合だけです。
CVMdlのモデル(CVMdl。训练有素的)に交互作用項が含まれる場合,既定値は真正的です。モデルに交互作用項が含まれない場合,値は假でなければなりません。
CVMdl。训练有素的
データ型:逻辑
逻辑
分類マージン。数値ベクトルとして返されます。米はn行1列のベクトルであり,各行は対応する観測のマージンです。nは観測値の個数です(観測値が行に含まれる場合,nは尺寸(CVMdl.X, 1)です)。
尺寸(CVMdl.X, 1)
ホールドアウト検証の手法を使用してCVMdlを作成する(つまり,CVMdl。KFoldが1である)場合,米には学習分割観測値について南値が含まれます。
CVMdl。KFold
1
南
バイナリ分類の“分類マージン”は,各観測値における真のクラスの分類スコアと偽のクラスの分類スコアの差です。マルチクラス分類の“分類マージン”は,真のクラスの分類スコアと偽のクラスの最大スコアの差を表します。
各マージンのスケールが同じである場合(つまり,スコア値が同じスコア変換に基づく場合),マージンを分類の信頼尺度として使用できます。複数の分類器の中で,マージンが大きい分類器の方が優れています。
kfoldMarginは,対応するオブジェクト関数保证金で説明されているように,分類マージンを計算します。モデル固有の説明については,次の表に示す該当する関数保证金のリファレンスページを参照してください。
保证金
使用上の注意事項および制限事項:
この関数は,GPU配列の入力引数を使ってあてはめられたk最近傍およびSVMモデルオブジェクトをサポートします。
詳細は,GPUでのMATLAB関数の実行(并行计算工具箱)を参照してください。
ClassificationPartitionedModel|kfoldPredict|kfoldEdge|kfoldLoss|kfoldfun
kfoldPredict
kfoldEdge
kfoldLoss
kfoldfun
この例の変更されたバージョンがあります。編集された方の例を開きますか吗?
次のMATLABコマンドに対応するリンクがクリックされました。
コマンドをMATLABコマンドウィンドウに入力して実行してください。WebブラウザーはMATLABコマンドをサポートしていません。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系