用于多类分类的紧凑朴素贝叶斯分类器
CompactClassificationNaiveBayes
是朴素贝叶斯分类器的精简版本。精简分类器不包含用于训练朴素贝叶斯分类器的数据。因此,您无法使用精简分类器执行某些任务,例如交叉验证。请将精简朴素贝叶斯分类器用于预测数据标签等任务。
创建一个CompactClassificationNaiveBayes
从一个训练有素的完整的ClassificationNaiveBayes
分类器通过使用契约
.
预测器名称
- - - - - -预测的名字此属性是只读的。
预测器名称,指定为字符向量的单元格数组。中元素的顺序预测器名称
对应于预测器名称在训练数据中出现的顺序X
.
扩展预测器名称
- - - - - -扩大了预测的名字此属性是只读的。
扩展的预测器名称,指定为字符向量的单元格数组。
如果模型对分类变量使用虚拟变量编码,则扩展预测器名称
包括描述扩展变量的名称。否则,扩展预测器名称
是一样的预测器名称
.
分类预测因子
- - - - - -分类预测指标[]
此属性是只读的。
分类预测指标,指定为一个正整数向量。分类预测因子
包含指示对应的预测器是分类的索引值。索引值在1到之间p
,在那里p
是用于训练模型的预测数。如果没有一个预测值是分类的,则此属性为空([]
).
数据类型:单
|双
CategoricalLevels
- - - - - -多元多项式水平此属性是只读的。
多元多项级,指定为单元阵列。的长度CategoricalLevels
等于预测数(大小(X, 2)
).
的细胞CategoricalLevels
对应于指定为的预测器“mvmn”
在训练中,他们有一个多元多项式分布。不符合多元多项分布的单元格为空([]
).
如果预测j是多元多项式吗CategoricalLevels {
j}
是所有不同的预测值的列表吗j在样例。南
S从独特的(X (:, j))
.
DistributionNames
- - - - - -预测分布“正常”
(默认)|“内核”
|“锰”
|“mvmn”
|字符向量的单元格数组此属性是只读的。
预测器分布,指定为字符向量或字符向量的单元数组。fitcnb
使用预测器分布来模拟预测器。该表列出了可用的发行版。
价值 | 描述 |
---|---|
“内核” |
核平滑密度估计 |
“锰” |
多项分布。如果您指定锰 ,则所有特征都是多项式分布的组成部分。因此,不能包含“锰” 作为字符串数组或字符向量的单元格数组的元素。有关详细信息,请参见多项式分布的估计概率. |
“mvmn” |
多元多项式分布。有关详细信息,请参阅多元多项式分布的估计概率. |
“正常” |
正态(高斯)分布 |
如果DistributionNames
是1 -P字符向量的单元格数组fitcnb
模型的特性j使用元素中的分布j单元格数组的。
例子:“锰”
例子:{“内核”、“正常”、“内核”}
数据类型:烧焦
|字符串
|细胞
DistributionParameters
- - - - - -分布参数估计此属性是只读的。
分布参数估计,指定为单元阵列。DistributionParameters
是一个K-借-D单元格数组,其中单元格(k,d)包含预测器实例的分布参数估计d在课堂上k.行的顺序与属性中类的顺序相对应一会
,预测器的顺序与列的顺序相对应X
.
如果类k
没有对预测器的观察吗j
,那么{分布
是空的(k
,j
}[]
).
的元素DistributionParameters
取决于预测器的分布。中的值DistributionParameters {
.k
,j
}
分布的预测j | 预测器的单元阵列值j 和类k |
---|---|
内核 |
一个核分布 模型。使用单元格索引和点符号显示属性。例如,要显示第三类预测器2的核密度的估计带宽,使用Mdl.DistributionParameters {3 2} .Bandwidth . |
锰 |
表示该标记的概率的标量j出现在课堂上k。有关详情,请参阅多项式分布的估计概率. |
mvmn |
一个数字向量,包含每个可能级别的预测器的概率j在课堂上k.该软件的概率排序排序的所有唯一级别的预测器j(存放在物业内CategoricalLevels )。有关详细信息,请参阅多元多项式分布的估计概率. |
正常的 |
一个2乘1的数字向量。第一个元素是样本均值,第二个元素是样本标准差。有关详细信息,请参见正态分布估计 |
内核
- - - - - -内核流畅的类型“正常”
(默认)|“盒子”
|单元阵列|……此属性是只读的。
内核平滑类型,指定为内核的名称或内核名称的单元数组。的长度内核
等于预测数(大小(X, 2)
).内核{
j}
对应的预测j并包含一个描述平滑内核类型的字符向量。如果单元格为空([]
),然后fitcnb
没有拟合核分布到相应的预测器。
该表描述了支持的内核平滑类型。金宝app我{u}表示指示函数。
价值 | 内核 | 公式 |
---|---|---|
“盒子” |
框(统一) |
|
“埃帕内切尼科夫” |
Epanechnikov |
|
“正常” |
高斯 |
|
“三角形” |
三角形的 |
|
例子:“盒子”
例子:{“epanechnikov”、“正常”}
数据类型:烧焦
|字符串
|细胞
金宝app
- - - - - -核平滑密度支持金宝app此属性是只读的。
内核平滑密度支持,指定为单元阵列。金宝app的长度金宝app
等于预测数(大小(X, 2)
)。这些单元格表示要连接到的区域fitcnb
应用核密度。如果单元格为空([]
),然后fitcnb
没有拟合核分布到相应的预测器。
该表描述了支持的选项。金宝app
价值 | 描述 |
---|---|
1×2数字行向量 | 例如,密度支持应用于指定金宝app的边界[L,U] ,在那里l 和U 分别为有限的上界和下界。 |
“积极” |
密度支持适用于所有正实值金宝app。 |
“无限” |
密度支持适用于所有真实值金宝app。 |
宽度
- - - - - -核平滑窗口宽度此属性是只读的。
核平滑窗口宽度,指定为数值矩阵。宽度
是一个K-借-P矩阵,在哪里K数据中类的数量,和P为预测因子的数目(大小(X, 2)
).
宽度(
核平滑窗宽是否代表预测器的核平滑密度k
,j
)j
内部类k
.南
在列j
表明,fitcnb
不符合预测值j
使用核密度。
一会
- - - - - -独特的类名此属性是只读的。
训练模型中使用的惟一类名,指定为类别数组或字符数组、逻辑向量或数字向量或字符向量的单元数组。
一会
具有相同的数据类型Y
,并已K字符数组的元素(或行)。(该软件将字符串数组视为字符向量的单元格数组。)
数据类型:明确的
|烧焦
|字符串
|逻辑
|双
|细胞
ResponseName
- - - - - -响应变量名此属性是只读的。
响应变量名,指定为字符向量。
数据类型:烧焦
|字符串
之前
- - - - - -先验概率先验概率,指定为数字向量。元素的顺序之前
对应的元素Mdl。一会
.
fitcnb
将你设置的先验概率标准化“先前的”
名称-值对参数,以便总和(前)
=1
.
的价值之前
不影响最佳拟合模型。因此,您可以重置之前
训练后Mdl
使用点表示法。
例子:Mdl。Prior = [0.2 0.8]
数据类型:双
|单
费用
- - - - - -误分类成本误分类代价,用数值方阵表示,其中成本(i, j)
将一个点分类的成本是多少j
如果它真正的阶级是我
.行对应真正的类,列对应预测的类。的行和列的顺序费用
中类的顺序一会
.
误分类代价矩阵对角上必须为零。
的价值费用
不影响培训。你可以重置费用
训练后Mdl
使用点表示法。
例子:Mdl。费用=[0 0.5 ; 1 0]
数据类型:双
|单
分数变换
- - - - - -分类得分转换“没有”
(默认)|“doublelogit”
|“因弗罗吉特”
|“ismax”
|分对数的
|函数处理|……分类分数转换,指定为字符向量或函数句柄。该表总结了可用的字符向量。
价值 | 描述 |
---|---|
“doublelogit” |
1/(1 +e2x) |
“invlogit” |
日志(x/ (1 -x)) |
“ismax” |
将分数最大的班级的分数设置为1,并将所有其他班级的分数设置为0 |
“分对数” |
1/(1 +e- - - - - -x) |
“没有” 或“身份” |
x(转换) |
“签名” |
1x< 0 为0x= 0 1x> 0 |
“对称” |
2x- 1 |
“symmetricismax” |
将得分最高的类的分数设置为1,并将所有其他类的分数设置为-1 |
“symmetriclogit” |
2 / (1 +e- - - - - -x) - 1 |
对于一个MATLAB®函数或您定义的函数,使用其函数句柄进行分数转换。函数句柄必须接受一个矩阵(原始分数)并返回相同大小的矩阵(转换后的分数)。
例子:Mdl。ScoreTransform = '分对数'
数据类型:烧焦
|字符串
|函数处理
compareHoldout |
使用新数据比较两种分类模型的准确度 |
边缘 |
朴素贝叶斯分类器的分类边缘 |
石灰 |
局部可解释的模型不可知解释(LIME) |
logp |
朴素贝叶斯分类器的对数无条件概率密度 |
损失 |
朴素贝叶斯分类器的分类损失 |
保证金 |
朴素贝叶斯分类器的分类边缘 |
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 |
使用朴素贝叶斯分类器对观察结果进行分类 |
沙普利 |
沙普利值 |
通过删除训练数据来减小完整朴素贝叶斯分类器的大小。完全朴素贝叶斯分类器保存训练数据。您可以使用紧凑的朴素贝叶斯分类器来提高内存效率。
加载电离层
数据集。移除前两个预测值以获得稳定性。
负载电离层X = X(:, 3:结束);
使用预测器训练朴素贝叶斯分类器X
和类标签Y
.推荐的做法是指定类名。fitcnb
假设每个预测器都是有条件的正态分布。
Mdl = fitcnb (X, Y,“类名”,{“b”,‘g’})
Mdl = ClassificationNaiveBayes ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' ' 'g'} ScoreTransform: 'none' NumObservations: 351 DistributionNames: {1x32 cell} DistributionParameters: {2x32 cell}属性,方法
Mdl
是一个培训ClassificationNaiveBayes
分类器。
减小朴素贝叶斯分类器的大小。
CMdl =紧凑(Mdl)
CMdl=CompactClassificationNaiveBayes ResponseName:'Y'分类预测值:[]类名称:{'b''g'}ScoreTransform:'none'分配名称:{1x32单元格}分配参数:{2x32单元格}属性、方法
CMdl
是一个培训CompactClassificationNaiveBayes
分类器。
显示每个分类器使用的内存量。
谁(“Mdl”,“CMdl”)
Name Size Bytes Class Attributes CMdl 1x1 15060 classreg.learning. Class . compactclassificationnaivebayes Mdl 1x1 111190 ClassificationNaiveBayes
完整朴素贝叶斯分类器(Mdl
)比紧凑的朴素贝叶斯分类器大七倍以上(CMdl
).
为了有效地标记新的观察结果,您可以删除Mdl
从MATLAB®工作空间,然后通过CMdl
和新的预测值预测
.
训练和交叉验证一个朴素的贝叶斯分类器。fitcnb
默认情况下实现10倍交叉验证。然后估计交叉验证的分类误差。
加载电离层
数据集。移除前两个预测值以获得稳定性。
负载电离层X = X(:, 3:结束);rng (“默认”)%的再现性
使用预测器训练和交叉验证朴素贝叶斯分类器X
和类标签Y
.推荐的做法是指定类名。fitcnb
假设每个预测器都是有条件的正态分布。
CVMdl=fitcnb(X,Y,“类名”,{“b”,‘g’},“CrossVal”,“上”)
CVMdl = ClassificationPartitionedModel CrossValidatedModel: 'NaiveBayes' PredictorNames: {1x32 cell} ResponseName: 'Y' NumObservations: 351 KFold: 10 Partition: [1x1 cvpartition] ClassNames: {'b' ' 'g'} ScoreTransform: 'none'属性,方法
CVMdl
是一个ClassificationPartitionedModel
交叉验证的朴素贝叶斯分类器。或者,您可以交叉验证一个经过培训的ClassificationNaiveBayes
通过将其传递给crossval
.
显示的第一个训练折叠CVMdl
使用点表示法。
CVMdl。训练有素的{1}
ans=CompactClassificationNaiveBayes ResponseName:'Y'分类预测值:[]类名:{'b''g'}ScoreTransform:'none'分配名:{1x32单元格}分配参数:{2x32单元格}属性、方法
每个褶皱都是一个褶皱CompactClassificationNaiveBayes
模型训练了90%的数据。
完整和紧凑的朴素贝叶斯模型不用于预测新数据,而是通过传递来估计泛化误差CVMdl
来kfoldLoss
.
genError = kfoldLoss (CVMdl)
genError = 0.1852
平均而言,泛化误差约为19%。
可以为预测器指定不同的条件分布,或调整条件分布参数以减少泛化错误。
在令牌袋模型中,预测器的值j令牌出现的次数是否为非负数j在观察中。多项式模型中的类别数(BIN)是不同标记数(预测数)。
朴素贝叶斯是一种将密度估计应用于数据的分类算法。
该算法利用了贝叶斯定理,并且(天真地)假设,给定类,预测器是有条件独立的。尽管这个假设在实践中经常被违背,朴素贝叶斯分类器倾向于产生后验分布,这对偏置的类密度估计是稳健的,特别是当后验分布为0.5(决策边界)时。[1].
朴素贝叶斯分类器将观测值分配给最有可能的类(换句话说,就是最大后验决策规则)。显然,该算法采取以下步骤:
估计每个类中预测因子的密度。
根据贝叶斯规则建立后验概率模型。也就是说,对所有人来说k= 1,…,K,
地点:
Y是与观测值的类别指数相对应的随机变量。
X1、……XP是对一个观测结果的随机预测。
类别索引的先验概率是多少k.
通过估计每个类别的后验概率对一个观察进行分类,然后将该观察分配给产生最大后验概率的类别。
如果预测因子组成一个多项分布,则后验概率 在哪里 是多项式分布的概率质量函数。
中频预测变量j
有条件正态分布(见DistributionNames
属性),该软件通过计算类别加权平均值和加权标准差的无偏估计来拟合数据的分布。为每一个类k:
预测器的加权平均数j是
在哪里w我重量是用于观察的吗我.该软件将一个类别内的权重标准化,使其总和等于该类别的先验概率。
预测器加权标准差的无偏估计j是
在哪里z1 |k是类内权重的总和吗k和z2 |k平方和是否在类内k.
中频预测变量j
有一个条件多元多项式分布(见DistributionNames
属性),软件遵循以下步骤:
该软件收集了一个独特的关卡列表,并将排序后的列表存储在其中CategoricalLevels
,并将每一层视为一个容器。每个预测器和类的组合都是一个独立的、独立的多项随机变量。
为每一个类k,该软件使用存储的列表计算每个类别级别的实例CategoricalLevels {
.j
}
该软件存储预测值的概率j
在课堂上k
有水平l在财产中DistributionParameters {
,为所有层次k
,j
}CategoricalLevels {
.与添加剂平滑[2],估计的概率是j
}
地点:
哪个预测器的加权观测数是多少j=l在课堂上k.
nk课堂上观察的次数是多少k.
如果xij=l,否则为0。
重量是用于观察的吗我.该软件将一个类别内的权重标准化,使其总和为该类别的先验概率。
米j预测器中不同水平的数量j.
米k是课堂上的加权观察数吗k.
[1] 黑斯蒂、特雷弗、罗伯特·蒂布什拉尼和杰罗姆·弗里德曼。统计学习的要素:数据挖掘、推理和预测《统计学中的斯普林格系列》第二版。纽约州纽约:斯普林格,2009年。https://doi.org/10.1007/978-0-387-84858-7.
[2] Manning, Christopher D., Prabhakar Raghavan, Hinrich Schütze。信息检索概论,纽约:剑桥大学出版社,2008。
使用说明和限制:
的预测
函数支持代码生成。金宝app
当你用fitcnb
,适用以下限制。
价值“分配名称”
名称-值对参数不能包含“锰”
.
价值“ScoreTransform”
名称-值对参数不能是匿名函数。
有关详细信息,请参阅代码生成简介.
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。