分类的优势
E =边缘(obj, X, Y)
E =边缘(obj, X, Y,名称,值)
|
类的判别分析分类器 |
|
矩阵,其中每一行表示一个观察结果,每一列表示一个预测器。列数 |
|
类标签中存在的相同数据类型 |
指定可选的逗号分隔的对名称,值
参数。的名字
参数名和价值
为对应值。的名字
必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
|
观测权值,一个长度的数值向量 默认值: |
|
边,表示边距加权平均值的标量。 |
计算Fisher虹膜数据的分类边和边距,对其前两列数据进行训练,并查看最后10项:
渔民X = meas(:,1:2);obj = fitcdiscr (X,物种);E = edge(obj,X,species);M(end-10:end) ans = 0.6551 0.4838 0.6551 -0.5127 0.5659 0.4611 0.4949 0.1024 0.2787 -0.1439 -0.4444
在所有数据上训练的分类器更好:
obj = fitcdiscr(量、种类);E = 0.9454 M = margin(obj,meas,species);M(end-10:end) ans = 0.9983 1.0000 0.9991 0.9978 1.0000 1.0000 0.9999 0.9882 0.9937 1.0000 0.9649