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。
パッケージ:classreg.learning.classif
コンパクトなアンサンブル分類のクラス
コンパクトなバージョンのアンサンブル分類(クラスはClassificationEnsemble
)。コンパクトなバージョンには,アンサンブル分類の学習のためのデータが含まれません。そのため,コンパクトなアンサンブル分類では,交差検証などの一部のタスクを実行できません。コンパクトなアンサンブル分類は,新しいデータの予測(分類)を行うために使用してください。
は,完全な決定アンサンブルからコンパクトな決定アンサンブルを構築します。实体
=紧凑(fullEns
)
|
|
|
カテゴリカル予測子のインデックス。正の整数のベクトルを指定します。 |
|
重複が削除された |
|
|
|
正方行列。 |
|
展開された予測子名。文字ベクトルの细胞配列として格納されます。 モデルがカテゴリカル変数用のエンコーディングを使用している場合, |
|
|
|
予測子変数の名前の细胞配列。並びは |
|
各クラスの事前確率の数値ベクトル。 |
|
応答変数 |
|
スコア変換用の関数ハンドル,または組み込みの変換関数を表す文字ベクトル。 ドット表記を使用して関数 ens.ScoreTransform =“函数” または ens.ScoreTransform = @function |
|
学習済み分類モデルの细胞ベクトル。
|
|
|
|
サイズ アンサンブルが |
compareHoldout |
新しいデータを使用して2つの分類モデルの精度を比較 |
边缘 |
分類エッジ |
石灰 |
本地可解释模型不可知解释(LIME) |
损失 |
分類誤差 |
保证金 |
分類マージン |
partialDependence |
部分従属の計算 |
plotPartialDependence |
部分依存プロット(PDP)および個別条件付き期待値(ICE)プロットの作成 |
预测 |
分類モデルのアンサンブルを使用して観測値を分類 |
predictorImportance |
決定木の分類アンサンブルに関する予測子の重要度の推定 |
removeLearners |
コンパクトアンサンブル分類のメンバーの削除 |
沙普利 |
シャープレイ値 |
値。値のクラスがコピー操作に与える影響については,オブジェクトのコピーを参照してください。
分類木のアンサンブルの場合,コンパクトな分類モデルから成るens.NumTrained
行1列の细胞ベクトルが实体
の训练有素的
プロパティに格納されます。细胞ベクトルの木t
をテキストまたはグラフィックで表示するには,以下を入力します。
LogitBoostまたはGentleBoostを使用して集約したアンサンブルの場合は”视图(实体。训练有素的{
」。t
} .CompactRegressionLearner)
他のすべての集約方法の場合は”视图(实体。训练有素的{
」。t
})