边缘

分类的优势

语法

E =边缘(obj, X, Y) E =边缘(obj, X, Y,名称,值)

描述

E=边缘(obj，X，Y）返回的分类边缘obj与数据X和分类Y．

E=边缘(obj，X，Y，名称,值）使用一个或多个指定的附加选项计算边名称,值对参数。

输入参数

`obj`	类的判别分析分类器`ClassificationDiscriminant`或`CompactClassificationDiscriminant`，通常由`fitcdiscr`．
`X`	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`X`必须等于`obj`．
`Y`	类标签中存在的相同数据类型`obj`．元素的数量`Y`必须等于`X`．

名称-值对的观点

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．

“重量”

观测权值，一个长度的数值向量大小(X, 1)．如果你提供重量，边缘计算加权分类边。

默认值:(大小(X, 1), 1)

输出参数

`E`	边，表示边距加权平均值的标量。

例子

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