主要内容

resubPredict

在分类模型集合中对观测数据进行分类

展开全部页面

语法

label = resubPredict(ens)
[label,score] = resubPredict(ens)
[label,score] = resubPredict(ens,Name,Value)

描述

标签= resubPredict (实体）返回标签实体数据预测ens.X．标签是预测实体在数据上fitcensemble用于创建实体．

［标签，分数= resubPredict(实体）还返回所有类的分数。

［标签，分数= resubPredict(实体，名称,值）用一个或多个指定的附加选项查找替代预测名称,值对参数。

输入参数

实体

创建的分类集成fitcensemble．

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来的名字在报价。

学习者

集成中弱学习器的指标从1来实体.NumTrained．resubPredict仅使用这些学习器来计算损失。

默认值:1: NumTrained

UseParallel

并行执行推理的指示，指定为假(串行计算)或真正的(并行计算)。并行计算需要并行计算工具箱™。并行推理比串行推理更快，特别是对于大型数据集。并行计算只支持树学习器。万博1manbetx

默认值:假

输出参数

标签

响应实体对训练数据进行预测。标签数据类型是否与培训响应数据相同ens.Y，并且条目数与中的行数相同ens.X．

分数

一个N——- - - - - -K矩阵,N行数是多少ens.X,K上课的数量是多少实体．得分越高，表示观测结果可能来自此类。

例子

全部展开

打开实时脚本

的错误分类的总数fisheriris用于分类集成的数据。

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 = templateTree(“MaxNumSplits”1);弱学习器模板树对象Ens = fitcensemble(meas,species，“方法”，“AdaBoostM2”，“学习者”t);

找出错误分类的总数。

Ypredict = resubPredict(ens);%预测Ysame = strcmp(Ypredict,species);%当Ypredict和species相等时为真总和(~ Ysame)%不同预测的数量
Ans = 5

更多关于

全部展开

扩展功能

另请参阅

|||