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
コンパクトな判別分析クラス
CompactClassificationDiscriminant
オブジェクトは,コンパクトなバージョンの判別分析分類器です。コンパクトなバージョンには,分類器の学習のためのデータが含まれません。そのため,コンパクトな分類器では,交差検証などの一部のタスクを実行できません。コンパクトな分類器は,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,完全な分類器からコンパクトな分類器を構築します。cobj
=紧凑(obj
)
は,クラス平均cobj
= makecdiscr (μ
,σ
)μ
と共分散行列σ
からコンパクトな判別分析分類器を構築します。構文の詳細は,makecdiscr
を参照してください。
|
|
|
|
|
常に空( |
|
重複が削除された学習データ |
|
係数行列の
クラス
ここで 分類器を作成するときに, |
|
正方行列。 ドット表記を使用して |
|
線形判別モデルのためのデルタしきい値であり,非負のスカラーです。 2次判別モデルでは ドット表記を使用して |
|
|
|
判別タイプを指定する文字ベクトル。次のいずれかです。
ドット表記を使用して 線形タイプ間または2次タイプ間での変更は可能ですが,線形タイプと2次タイプの間の変更はできません。 |
|
ガンマ正則化パラメーターの値であり,
|
|
クラス間共分散行列の行列式の対数。
|
|
非負のスカラーであり,相関行列が可逆になるガンマパラメーターの最小値です。相関行列が特異ではない場合, |
|
クラス平均。サイズのスカラー値クラス平均の |
|
予測子変数の名前の细胞配列。並びは学習データ |
|
各クラスの事前確率の数値ベクトル。 ベクトル |
|
応答変数 |
|
組み込みの変換関数を表す文字ベクトル,またはスコアを変換する関数のハンドル。 ドット表記を実装し,次のいずれかの方法で関数
|
|
1つまたは複数のクラス内共分散行列。次元は
|
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) |
logp |
判別分析分類器の対数条件なし確率密度 |
损失 |
分類誤差 |
泰姬陵 |
クラスの平均に対するマハラノビス距離 |
保证金 |
分類マージン |
nLinearCoeffs |
非ゼロの線形係数の数 |
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 |
判別分析分類モデルの使用によるラベルの予測 |
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。