主要内容

kfoldMargin

交叉验证分类模型的分类裕度

折叠所有页面

    语法

    M = kfoldMargin (CVMdl)
    M = kfoldMargin (CVMdl IncludeInteractions, IncludeInteractions)

    描述

    例子

    米= kfoldMargin (CVMdl）返回分类的利润率通过交叉验证的分类模型得到CVMdl．对于每一个褶皱,kfoldMargin使用在训练折叠观测数据上训练的分类器计算验证折叠观测数据的分类边距。CVMdl。X和CVMdl。Y包含两组观察结果。

    米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions）指定是否在计算中包含交互项。此语法仅适用于广义可加模型。

    例子

    全部折叠

    打开生活的脚本

    找到k-折叠边距的集合，分类电离层数据。

    加载电离层数据集。

    负载电离层

    创建一个模板树桩。

    t = templateTree (“MaxNumSplits”1);

    训练决策树的分类集成。指定t作为弱学习者。

    Mdl = fitcensemble (X, Y,“方法”，“AdaBoostM1”，“学习者”t);

    使用10倍交叉验证对分类器进行交叉验证。

    cvens = crossval (Mdl);

    计算k折边距。显示页边距的汇总统计信息。

    m = kfoldMargin (cvens);marginStats =表(min (m),意味着(m),马克斯(m),．..“VariableNames”, {“最小值”，“的意思是”，“马克斯”}）
    marginStats =1×3表最小的意思是最大  _______ ______ ______ - 11.312 7.3236 23.517

    输入参数

    全部折叠

    交叉验证的分区分类器，指定为ClassificationPartitionedModel，ClassificationPartitionedEnsemble,或ClassificationPartitionedGAM对象。你可以用两种方式创建对象:

    • 将下表中列出的训练过的分类模型传递给它crossval对象的功能。

    • 使用下表中列出的函数训练分类模型，并为该函数指定一个交叉验证名称-值参数。

    分类模型 函数
    ClassificationDiscriminant fitcdiscr
    ClassificationEnsemble fitcensemble
    ClassificationGAM fitcgam
    ClassificationKNN fitcknn
    ClassificationNaiveBayes fitcnb
    ClassificationNeuralNetwork fitcnet
    ClassificationSVM fitcsvm
    ClassificationTree fitctree

    标记以包含模型的交互术语，指定为真正的或假．此论证仅对广义可加模型(GAM)有效。也就是说，您只能指定此参数CVMdl是ClassificationPartitionedGAM．

    默认值为真正的如果模型CVMdl（CVMdl。训练有素的)包含交互项。该值必须为假如果模型不包含交互项。

    数据类型:逻辑

    输出参数

    全部折叠

    分类的利润率，作为数字向量返回。米是一个n-by-1向量，其中每一行是相应观测值和的边距n为观察次数。（n是尺寸(CVMdl.X, 1)当观察结果排成一行时。)

    如果你使用抵抗者验证技术来创建CVMdl(也就是说,如果CVMdl。KFold是1),然后米有南训练折叠观测值。

    更多关于

    全部折叠

    分类保证金

    的分类保证金二元分类是，对于每个观察，真实类的分类分数与虚假类的分类分数之间的差值。的分类保证金多类分类是真实类的分类分数与错误类的最大分类分数的差值。

    如果边界在相同的尺度上(即，得分值基于相同的得分转换)，那么它们将作为分类置信度度量。在众多分类公司中，那些利润率更高的公司表现更好。

    算法

    kfoldMargin按照相应的方法计算分类边缘保证金对象的功能。有关特定于模型的描述，请参阅适当的保证金函数参考页下表。

    模型类型 保证金函数
    判别分析分类器 保证金
    集成分类器 保证金
    广义可加模型分类器 保证金
    k最近的邻居分类器 保证金
    朴素贝叶斯分类器 保证金
    神经网络分类器 保证金
    金宝app支持向量机分类器 保证金
    用于多类分类的二叉决策树 保证金

    扩展功能

    另请参阅

    ||||

    介绍了R2011a

    统计和机器学习工具箱文档

    金宝app

    掌握机器学习:一步一步的指导与MATLAB

    掌握机器学习:一步一步的指导与MATLAB

    下载电子书