主要内容

边缘

分类的优势

扩展所有的页面

语法

E =边缘(实体、资源描述、ResponseVarName)
E =边缘(实体、资源描述,Y)
E =边缘(实体,X, Y)
E =边缘(___、名称、值)

描述

E=边缘(实体,资源描述,ResponseVarName)返回分类边缘实体与数据资源描述和分类tbl.ResponseVarName。

E=边缘(实体,资源描述,Y)返回分类边缘实体与数据资源描述和分类Y。

E=边缘(实体,X,Y)返回分类边缘实体与数据X和分类Y。

E=边缘(___,名称,值)计算边缘与所指定的一个或多个额外的选项名称,值对参数,使用任何以前的语法。

请注意

如果预测数据X或预测变量资源描述包含任何缺失值,边缘函数可以返回NaN。更多细节,请参阅边缘可以返回NaN预测数据缺失值。

输入参数

实体

一个分类总体构造fitcensemble,或由一个紧凑的分类的整体造型紧凑的。

资源描述

样本数据,指定为一个表。每一行的资源描述对应于一个观察,每一列对应一个预测变量。资源描述必须包含所有的预测用于训练模型。多列变量和细胞数组以外的细胞阵列的特征向量是不允许的。

如果你训练实体使用样本数据包含在一个表中,然后输入数据的方法也必须在一个表中。

ResponseVarName

响应变量名称,指定为一个变量的名字资源描述。

您必须指定ResponseVarName作为一个特征向量或字符串标量。例如,如果响应变量Y存储为tbl.Y,然后指定它“Y”。否则,软件将所有列资源描述,包括Y训练时,预测模型。

X

矩阵中每一行代表一个观察,每一列代表一个预测。列的数量X必须等于预测的数量吗实体。

如果你训练实体使用样本数据包含在一个矩阵,然后输入数据的方法也必须在一个矩阵。

Y

类标签的观察资源描述或X。Y应该相同类型的分类用于火车实体,它应该等于的元素数量的行数资源描述或X。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

学习者

指数整体从薄弱的学习者1来实体.NumTrained。边缘只使用这些学习者计算损失。

默认值:1:NumTrained

模式

输出的意义E:

  • “合奏”- - - - - -E是一个标量值,整个乐团的边缘。

  • “个人”- - - - - -E是一个向量,每训练学习者的一个元素。

  • “累积”- - - - - -E是一个向量的元素J通过使用学习者1:J输入列表的学习者。

默认值:“合奏”

UseObsForLearner

一个逻辑矩阵的大小N——- - - - - -T,地点:

  • N的行数X。

  • T弱的学习者的数量吗实体。

当UseObsForLearner (i, j)是真正的,学习者j用于预测的类行吗我的X。

默认值:真正的(N, T)

UseParallel

指示执行并行推理,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™。并行推理可以比串行推理,特别是大型数据集。只支持并行计算树的学习者。万博1manbetx

默认值:假

权重

观察权重,一个数值向量的长度大小(X, 1)。如果你提供重量,边缘计算加权分类的优势。

默认值:(大小(X, 1), 1)

输出参数

E

分类,矢量和标量取决于的设置模式名称-值对。分类边加权平均分类。

例子

全部展开

打开生活的脚本

找到一些数据的分类边缘用来训练提高了系综分类器。

加载电离层数据集。

负载电离层

火车使用AdaBoostM1 100提高了分类树的合奏。

t = templateTree (“MaxNumSplits”1);%弱学习者模板树对象实体= fitcensemble (X, Y,“方法”,“AdaBoostM1”,“学习者”t);

寻找最后的几行分类边缘。

E =边缘(实体、X (end-10:,:), Y (end-10:结束)
E = 8.3310

更多关于

全部展开

扩展功能

版本历史

全部展开

另请参阅

|