CompactClassificationGAM
二元分类的紧凑广义可加性模型(GAM)
描述
CompactClassificationGAM
是精简版的ClassificationGAM
模型对象(用于二元分类的GAM)。紧凑模型不包括用于训练分类器的数据。因此,您不能使用紧凑模型执行某些任务,例如交叉验证。使用紧凑模型完成诸如预测新数据标签之类的任务。
创建
创建一个CompactClassificationGAM
对象从完整的ClassificationGAM
通过使用紧凑的
.
属性
访问属性
的相互作用
- - - - - -交互项指标
正整数的两列矩阵|[]
此属性是只读的。
交互项索引,指定为t
-by-2矩阵的正整数,其中t
是模型中交互项的数量。矩阵的每一行表示一个交互项,并包含预测器数据的列索引X
对于相互作用项。如果模型不包括交互项,则此属性为空([]
).
软件将交互术语按重要性的顺序添加到模型中p值。使用此属性检查添加到模型中的交互项的顺序。
数据类型:双
拦截
- - - - - -模型截距项
数字标量
此属性是只读的。
模型的截距(常数)项,它是预测树和交互树中截距项的和,指定为数值标量。
数据类型:单
|双
其他分类属性
CategoricalPredictors
- - - - - -分类预测指标
正整数向量|[]
此属性是只读的。
分类预测指标,指定为正整数向量。CategoricalPredictors
包含指示相应预测符是分类的索引值。索引值在1和之间p
,在那里p
用于训练模型的预测器的数量。如果没有一个预测符是分类的,则此属性为空([]
).
数据类型:双
一会
- - - - - -唯一的类标签
分类数组|字符数组|逻辑向量|数值向量|字符向量的单元格数组
此属性是只读的。
训练中使用的唯一类标签,指定为类别或字符数组、逻辑或数字向量或字符向量的单元格数组。一会
与类标签具有相同的数据类型Y
.(该软件将字符串数组视为字符向量的单元格数组。)一会
也决定了类的顺序。
数据类型:单
|双
|逻辑
|字符
|细胞
|分类
成本
- - - - - -误分类代价
2乘2数值矩阵
错误分类的代价,指定为2乘2的数字矩阵。
成本(
将一个点分类的成本是多少我
,j
)j
如果它真正的阶级是我
.的行和列的顺序成本
中类的顺序对应一会
.
该软件使用成本
有预测价值,但没有训练价值。您可以使用点表示法来更改该值。
例子:Mdl。成本= C;
数据类型:双
ExpandedPredictorNames
- - - - - -扩展的预测器名称
字符向量的单元格数组
此属性是只读的。
扩展的预测器名称,指定为字符向量的单元格数组。
ExpandedPredictorNames
和PredictorNames
对于广义加性模型。
数据类型:细胞
PredictorNames
- - - - - -预测变量名称
字符向量的单元格数组
此属性是只读的。
预测器变量名,指定为字符向量的单元格数组。元素的顺序PredictorNames
对应于预测器名称在训练数据中出现的顺序。
数据类型:细胞
之前
- - - - - -先验类概率
数值向量
此属性是只读的。
先验类概率,指定为具有两个元素的数字向量。元素的顺序对应于中元素的顺序一会
.
数据类型:双
ResponseName
- - - - - -响应变量名
特征向量
此属性是只读的。
响应变量名,指定为字符向量。
数据类型:字符
ScoreTransform
- - - - - -分数转换
特征向量|函数处理
分数转换,指定为字符向量或函数句柄。ScoreTransform
表示用于转换预测分类分数的内置转换函数或函数句柄。
将分数转换函数更改为函数
例如,使用点表示法。
对于内置函数,请输入字符向量。
Mdl。ScoreTransform = '函数”;
该表描述了可使用的内置函数。
价值 描述 “doublelogit”
1 / (1 +e2x) “invlogit”
日志(x/ (1 -x)) “ismax”
将得分最大的类的得分设置为1,并将所有其他类的得分设置为0 分对数的
1 / (1 +e–x) “没有”
或“身份”
x(转换) “标志”
1x< 0
为0x= 0
1x> 0“对称”
2x- 1 “symmetricismax”
将得分最大的类的得分设置为1,并将所有其他类的得分设置为-1 “symmetriclogit”
2 / (1 +e–x) - 1 对于MATLAB®函数或您定义的函数,输入其函数句柄。
Mdl。ScoreTransform = @函数;
函数
必须接受一个矩阵(原始分数)并返回一个相同大小的矩阵(转换后的分数)。
此属性确定对象函数的输出分数计算,例如预测
,保证金
,边缘
.使用分对数的
计算后验概率,并使用“没有”
计算后验概率的对数。
数据类型:字符
|function_handle
对象的功能
解释预测
石灰 |
局部可解释模型不可知解释(LIME) |
partialDependence |
计算部分依赖关系 |
plotLocalEffects |
广义可加性模型(GAM)中项的局部效应图 |
plotPartialDependence |
创建部分依赖图(PDP)和个别条件期望图(ICE) |
沙普利 |
沙普利值 |
比较精度
compareHoldout |
比较使用新数据的两种分类模型的准确性 |
例子
减小广义加性模型的尺寸
通过移除训练数据来减小完整广义加法模型(GAM)的大小。完整的模型保存训练数据。您可以使用紧凑的模型来提高内存效率。
加载电离层
数据集。该数据集有34个预测器和351个雷达返回的二进制响应,要么是坏的(“b”
)或好(‘g’
).
负载电离层
使用预测器训练一个GAMX
和类别标签Y
.推荐的做法是指定类名。
Mdl = fitccam (X,Y,“类名”, {“b”,‘g’})
Mdl = ClassificationGAM ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'logit'拦截:2.2715 NumObservations: 351属性,方法
Mdl
是一个ClassificationGAM
模型对象。
减少分类器的大小。
CMdl =紧凑(Mdl)
CMdl = CompactClassificationGAM ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'logit'拦截:2.2715属性,方法
CMdl
是一个CompactClassificationGAM
模型对象。
显示每个分类器使用的内存量。
谁(“Mdl”,“CMdl”)
名称大小字节类属性CMdl 1x1 1030019 classreg.learning.classif.CompactClassificationGAM Mdl 1x1 1230996 ClassificationGAM
完整分类器(Mdl
)比紧凑分类器(CMdl
).
为了有效地标记新的观察结果,您可以删除Mdl
从MATLAB®工作区,然后传递CMdl
和新的预测值预测
.
版本历史
R2021a中引入
Abrir比如
Tiene una versión modificada de este ejemplo。¿Desea abrir este ejemplo con sus modificaciones?
MATLAB突击队
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。