超:CompactClassificationDiscriminant
判别分析分类
一个ClassificationDiscriminant
object封装了一个判别分析分类器,它是一个用于数据生成的高斯混合模型。一个ClassificationDiscriminant
对象可以预测对新数据的响应预测
方法。该对象包含用于训练数据,因此可以计算resubstitution预测。
创建一个ClassificationDiscriminant
对象的使用fitcdiscr
。
|
|
|
分类预测指标,这始终是空的( |
|
在训练数据元素的列表 |
|
阶级之间边界的方程
在哪里 如果 |
|
方阵, 变化的 |
|
对于线性判别模型,非负标量的Delta阈值的值。如果的系数
改变 |
|
长度的行矢量等于预测的在数 如果 |
|
指定鉴别类型的字符向量。之一:
改变 您可以在线性类型之间或二次类型之间进行更改,但不能在线性和二次类型之间进行更改。 |
|
值的伽马正则化参数,标量从
|
|
超参数的交叉验证优化描述,存储为
|
|
类内协方差矩阵的行列式的对数。该类型的
|
|
非负标量,参数的最小值,使相关矩阵可逆。如果相关矩阵不是奇异的, |
|
训练中使用的参数 |
|
类的意思是,指定为 |
|
训练数据中的观察数,数值标量。 |
|
预测器变量的名称的单元格数组,按照它们在训练数据中出现的顺序排列 |
|
用于每个类别的先验概率的数值向量。的元素的顺序 添加或更改 |
|
描述响应变量的特征向量 |
|
代表一个内置的转换功能,或用于转换分数的函数处理字符向量。 实现点表示法来添加或更改
|
|
类内协方差矩阵或矩阵。尺寸取决于
|
|
按比例缩小的 |
|
预测值矩阵。每一列的 |
|
在哪里 |
|
具有相同行数的字符向量的分类数组、单元数组、字符数组、逻辑向量或数字向量 |
紧凑的 | 紧凑型判别分析分类 |
crossval | 交叉验证的判别分析分类器 |
cvshrink | 线性判别的交叉验证正规化 |
resubEdge | 通过resubstitution分级刃 |
resubLoss | 通过resubstitution分类错误 |
resubMargin | 分类利润率由resubstitution |
resubPredict | 预测判别分析分类模型的再替代标签 |
价值。要了解值类如何影响复制操作,请参见复制对象(MATLAB)。
[1] Guo, Y., T. Hastie, R. Tibshirani。正则化线性判别分析及其在微阵列中的应用。生物统计学,卷。8,第1期,第86-100,2007年。