包:classreg.learning.classif
紧凑的判别分析类
一个CompactClassificationDiscriminant
对象是一个紧凑的判别分析分类器。紧凑版本不包括的数据训练分类器。因此,你无法用一个紧凑的分类器执行一些任务,比如交叉验证。使用一个紧凑的分类器进行预测(分类)的新数据。
构造一个紧凑的分类器从一个完整的分类器。cobj
=紧凑(obj
)
结构紧凑的判别分析分类器类的意思cobj
= makecdiscr (μ
,σ
)μ
和协方差矩阵σ
。语法细节,请参阅makecdiscr
。
|
判别分析分类器,使用创建的 |
|
|
|
分类预测指标,这始终是空的( |
|
训练数据中的元素的列表 |
|
类之间的边界方程
在哪里 如果 |
|
方阵, 改变一个 |
|
δ值阈值线性判别模型,一个负的标量。如果一个系数
改变 |
|
行向量的长度等于预测的数量 如果 |
|
特征向量指定判别类型。之一:
改变 你可以改变线性类型之间,或二次类型之间,但不能改变之间的线性和二次类型。 |
|
伽马值正则化参数,一个标量
|
|
在类协方差矩阵的行列式的对数。的类型
|
|
负的标量,γ参数的最小值,以便相关矩阵是可逆的。如果相关矩阵不是单一的, |
|
类方法,指定为一个 |
|
单元阵列为预测变量的名称,在他们的顺序出现在训练数据 |
|
每个类的先验概率数值向量。元素的顺序 添加或更改 |
|
特征向量描述变量的响应 |
|
特征向量代表一个内置的转换函数,或一个函数处理转变分数。 实现点符号添加或更改
|
|
在类的协方差矩阵或矩阵。尺寸取决于
|
compareHoldout |
比较两种分类模型使用新数据的精度 |
边缘 |
分类的优势 |
石灰 |
本地可model-agnostic解释(石灰) |
logp |
为判别分析分类器日志无条件概率密度 |
损失 |
分类错误 |
泰姬陵 |
而距离类判别分析分类器的手段 |
保证金 |
分类的利润率 |
nLinearCoeffs |
数量的非零线性系数 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
预测 |
预测标签使用判别分析分类模型 |
沙普利 |
沙普利值 |
价值。学习如何价值类影响复制操作,明白了复制对象。