主要内容

kfoldMargin

交叉验证分类模型的分类边界

折叠整个页面

    语法

    M = kfoldMargin (CVMdl)
    M = kfoldMargin (CVMdl IncludeInteractions, IncludeInteractions)

    描述

    例子

    米= kfoldMargin (CVMdl）返回分类的利润率通过交叉验证的分类模型得到CVMdl．对于每一个褶皱,kfoldMargin使用训练有素的分类器计算验证折叠观察的分类边距。CVMdl。X和CVMdl。Y包含这两组观测值。

    米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions）指定是否在计算中包含交互项。此语法仅适用于广义的加性模型。

    例子

    全部折叠

    打开生活的脚本

    找到k的集合的页边距电离层数据。

    加载电离层数据集。

    负载电离层

    创建一个模板树桩。

    t = templateTree (“MaxNumSplits”1);

    训练决策树的分类集合。指定t作为弱学习者。

    Mdl = fitcensemble (X, Y,“方法”，“AdaBoostM1”，“学习者”t);

    使用10次交叉验证对分类器进行交叉验证。

    cvens = crossval (Mdl);

    计算k倍边距。显示页边距的摘要统计信息。

    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

    输入参数

    全部折叠

    交叉验证的分区分类器，指定为ClassificationPartitionedModel，ClassificationPartitionedEnsemble,或ClassificationPartitionedGAM对象。可以用两种方法创建对象:

    • 将下表中列出的训练过的分类模型传递给它crossval对象的功能。

    • 使用下表中列出的函数训练分类模型，并为该函数指定交叉验证的名称-值参数之一。

    分类模型 函数
    ClassificationDiscriminant fitcdiscr
    ClassificationEnsemble fitcensemble
    ClassificationGAM fitcgam
    ClassificationKNN fitcknn
    ClassificationNaiveBayes fitcnb
    ClassificationNeuralNetwork fitcnet
    ClassificationSVM fitcsvm
    ClassificationTree fitctree

    标志，以包含模型的交互条款，指定为真正的或假．这一论点仅对广义加性模型有效。也就是说，只能在以下情况下指定此参数CVMdl是ClassificationPartitionedGAM．

    默认值是真正的如果模型CVMdl（CVMdl。训练有素的)包含交互术语。值必须为假如果模型不包含交互术语。

    数据类型:逻辑

    输出参数

    全部折叠

    分类的利润率，返回为数字向量。米是一个n- × 1向量，其中每一行是对应的观测值和n是观察的次数。（n是尺寸(CVMdl.X, 1)当观测数据成行时。)

    如果您使用拒绝验证技术来创建CVMdl(也就是说,如果CVMdl。KFold是1),然后米有南值的训练折叠观察。

    更多关于

    全部折叠

    分类保证金

    的分类保证金对于二元分类，则为每一个观察，真实类的分类得分与虚假类的分类得分之差。的分类保证金对于多类分类，则是真实类的分类分数与虚假类的最大分类分数之差。

    如果边界在相同的尺度上(也就是说，分数值基于相同的分数转换)，那么它们就可以作为分类信心度量。在多个分类器中，那些产生更大的利润率的分类器更好。

    算法

    kfoldMargin计算相应的分类边距保证金对象的功能。有关特定于模型的描述，请参阅相应的保证金下表中的函数引用页。

    模型类型 保证金函数
    判别分析分类器 保证金
    集成分类器 保证金
    广义加性模型分类器 保证金
    k最近的邻居分类器 保证金
    朴素贝叶斯分类器 保证金
    神经网络分类器 保证金
    万博1manbetx支持向量机分类器 保证金
    二叉决策树的多类分类 保证金

    扩展功能

    另请参阅

    ||||

    介绍了R2011a

    统计和机器学习工具箱文档

    万博1manbetx

    掌握机器学习:MATLAB一步一步指南

    掌握机器学习:MATLAB一步一步指南

    下载电子书