主要内容

resubPredict

在分类模型的整体分类意见

展开所有页面

句法

标记= resubPredict（ENS）
[标号，得分= resubPredict（ENS）
[标号，得分= resubPredict（ENS，名称，值）

描述

标签=重新预测(ENS）返回标签ENS对数据进行预测ens.X。标签是的预测ENS在数据fitcensemble用于创建ENS。

[标签那分数] = resubPredict（ENS）也返回分数的所有类。

[标签那分数] = resubPredict（ENS那名称，价值）发现与一个或多个指定的其他选项resubstitution预测名称，价值对参数。

输入参数

ENS

使用创建的分类集合fitcensemble。

名称 - 值参数

指定可选的逗号分离对名称，价值论点。姓名是参数名称和价值是对应的值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数名1，值1，...，NameN，值N。

学习者

在合奏，从弱学习指数1到NumTrained。oobLoss只使用这些学员来计算损失。

默认：1：NumTrained

输出参数

标签

响应ENS预测训练数据。标签是相同的数据类型作为训练响应数据ens.Y，并且具有相同数目的条目为行中的数ens.X。

分数

一个N-经过-K.矩阵，在哪里N是行的数量ens.X， 和K.是类的数量ENS。高分值表明，观察可能来自于这个类。

例子

展开全部

打开直播脚本

找到的错误分类总数渔民对于分类数据合奏。

加载费希尔虹膜数据集。

加载渔民

列车采用AdaBoostM2 100个提振分类树合奏。

T = templateTree（'MaxNumSplits'，1）;％弱学习模板树对象ENS = fitcensemble（MEAS，物种，'方法'那'AdaBoostM2'那'学习者'，t）;

发现错误分类的总数。

Ypredict = resubPredict（ENS）;％的预测Ysame =的strcmp（Ypredict，物种）;％真当Ypredict和物种都是平等的总和（〜Ysame）不同的预测数量％
ans = 5.

更多关于

展开全部

扩展能力

也可以看看

|||

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书