超类:CompactClassificationDiscriminant.
判别分析分类
一个ClassificationDiscriminant
对象封装判别分析分类器,其是用于数据生成的高斯混合模型。一个ClassificationDiscriminant
对象可以使用预测
方法。该对象包含用于培训的数据,因此可以计算重新提交预测。
创建一个ClassificationDiscriminant
对象的使用fitcdiscr
.
|
|
|
分类预测器索引,总是为空( |
|
训练数据中的元素列表 |
|
类间边界方程
在哪里 如果 |
|
方矩阵,在哪里 改变一个 |
|
线性判别模型的增量阈值的值,非负标量。如果是一个系数
改变 |
|
行向量的长度等于中预测器的数量 如果 |
|
指定鉴别类型的字符向量。之一:
改变 您可以在线性类型或二次类型之间更改,但在线性和二次类型之间无法更改。 |
|
正则化参数的值,从
|
|
超参数的交叉验证优化的描述,存储为a
|
|
类内协方差矩阵行列式的对数。的类型
|
|
非负标量,Gamma参数的最小值,使相关矩阵可逆。如果相关矩阵不奇异, |
|
用于培训的参数 |
|
类手段,指定为a |
|
训练数据中的观察数,数字标量。 |
|
预测器变量的名称数组,按顺序显示在培训数据中 |
|
每个类的先验概率的数字向量。元素的顺序 添加或更改 |
|
描述响应变量的字符向量 |
|
表示内置转换函数或转换分数的函数句柄的字符向量。 实施点表示法以添加或更改a
|
|
在课堂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 |
|
一个分类阵列,字符向量,字符阵列,逻辑向量的单元阵列,或具有相同行数的数字矢量 |
紧凑的 |
紧凑判别分析分类器 |
compareHoldout |
使用新数据比较两个分类模型的准确性 |
crossval |
交叉验证判别分析分类器 |
cvshrink |
线性判别器的交叉验证正则化 |
边缘 |
分类边缘 |
石灰 |
局部可解释的模型不可知解释(LIME) |
logp. |
判别分析分类器的对数无条件概率密度 |
损失 |
分类错误 |
玛哈尔 |
马氏距离到阶级的平均值 |
利润 |
分类的利润率 |
nlinearcoeffs. |
非零线性系数的数量 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
预测 |
使用判别分析分类模型预测标签 |
resubEdge |
边的再替换分类 |
resubLoss |
再代换造成的分类错误 |
resubMargin |
再替换的分类边缘 |
resubPredict |
预测判别分析分类模型的重生标签 |
沙普利 |
福利价值观 |
testckfold |
通过重复交叉验证比较两种分类模型的准确率 |
价值。要了解值类如何影响复制操作,请参阅复制对象.
[1]郭,y.,t. hastie和ribshirani。“正规化线性判别分析及其在微阵列中的应用。”生物统计学,第8卷,第1期,86-100页,2007。