主要内容

templateDiscriminant

判别分析分类模板

所有的页面崩溃

语法

t = templateDiscriminant ()
t = templateDiscriminant(名称、值)

描述

例子

t= templateDiscriminant ()返回一个判别分析学习者模板适用于训练集合体或纠错输出编码(ECOC)多级模型。

如果你指定一个默认模板,那么软件培训期间所有输入参数使用默认值。

指定t作为一个学习者fitcensemble或fitcecoc。

例子

t= templateDiscriminant (名称,值)创建一个模板附加选项指定的一个或多个参数名称-值对。

例如,您可以指定判别类型或正则化参数。

如果你显示t在命令窗口中,那么所有的选择出现空([]使用名称-值对),除了那些你指定参数。在培训期间,软件使用空选项的默认值。

例子

全部折叠

打开生活的脚本

创建一个默认的判别分析中使用的模板fitcensemble。

加载费雪的虹膜数据集。

负载fisheriris

创建一个模板pseudolinear判别分析。

t = templateDiscriminant (“DiscrimType”,“pseudoLinear”)
t =符合模板分类判别。DiscrimType:“pseudoLinear”Gamma:[]三角洲:[]FillCoeffs: [] SaveMemory:[]版本:1方法:“判别”类型:“分类”

模板对象的所有属性都是空的,除了DiscrimType,方法,类型。训练时,软件填写空的属性与各自的默认值。

指定t作为一个分类的薄弱的学习者。

Mdl = fitcensemble(量、种类、“方法”,“子”,“学习者”t);

显示分类(resubstitution)误分类错误。

L = resubLoss (Mdl)
L = 0.0400

输入参数

全部折叠

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“DiscrimType”、“pseudoLinear’,‘SaveMemory’,‘上’指定一个模板pseudolinear判别分析,不存储完整的协方差矩阵。

线性系数阈值,指定为逗号分隔组成的“δ”和非负标量值。如果一个系数Mdl有大小小于δ,Mdl这个系数设置为0,你可以消除相应的预测模型。集δ消除更多的预测更高的价值。

δ必须0对二次判别模型。

数据类型:单|双

判别类型,指定为逗号分隔组成的“DiscrimType”和一个特征向量或字符串标量表。

价值 描述 预测协方差治疗
“线性” 正规化的线性判别分析(LDA)

  • 所有的类都有相同的协方差矩阵。

  • Σ ^ γ = ( 1 − γ ) Σ ^ + γ 诊断接头 ( Σ ^ ) 。

    Σ ^ 是经验,汇集了协方差矩阵和γ是正规化的数量。
“diaglinear” 乔治。 所有类都有相同的,对角协方差矩阵。
“pseudolinear” 乔治。 所有的类都有相同的协方差矩阵。颠倒的软件使用伪协方差矩阵的逆。
“二次” 二次判别分析(QDA) 类间的协方差矩阵可以改变。
“diagquadratic” QDA 协方差矩阵是对角,类间可能会有所不同。
“pseudoquadratic” QDA 类间的协方差矩阵可以改变。颠倒的软件使用伪协方差矩阵的逆。

请注意

要使用正则化,您必须指定“线性”。指定数量的正规化,使用γ名称-值对的论点。

例子:“DiscrimType”、“二次”

多项式系数房地产标志,指定为逗号分隔组成的“FillCoeffs”和“上”或“关闭”。设置标志“上”填充多项式系数属性分类器对象。这可以计算密集型,特别是交叉验证图谱。默认值是“上”,除非你指定一个交叉验证名称-值对,在这种情况下,标志被设置为“关闭”默认情况下。

例子:“FillCoeffs”,“关闭”

的正则化应用估计协方差矩阵的预测时,指定为逗号分隔组成的“伽马”和一个标量值的区间[0,1]。γ提供了更好的控制协方差矩阵结构DiscrimType。

  • 如果您指定0,那么软件不使用正则化调整协方差矩阵。即软件估计和使用不受限制,经验协方差矩阵。

    • 线性判别分析,如果经验协方差矩阵是奇异的,那么软件自动应用所需的最小正规化逆协方差矩阵。您可以显示所选的正规化通过输入量Mdl.Gamma在命令行中。

    • 对于二次判别分析,如果至少有一个类有一个奇异的经验协方差矩阵,然后软件将抛出一个错误。

  • 如果你指定一个值区间(0,1),那么您必须实现线性判别分析,否则软件将抛出一个错误。因此,软件集DiscrimType来“线性”。

  • 如果您指定1,那么软件使用协方差矩阵估计的最大正规化。也就是说,软件限制了协方差矩阵是对角。此外,您可以设置DiscrimType来“diagLinear”或“diagQuadratic”为对角协方差矩阵。

例子:“伽马”,1

数据类型:单|双

国旗拯救协方差矩阵,指定为逗号分隔组成的“SaveMemory”,要么“上”或“关闭”。如果您指定“上”,然后fitcdiscr不存储完整的协方差矩阵,而是存储足够的信息来计算矩阵。的预测方法计算完整的预测协方差矩阵,不存储矩阵。如果您指定“关闭”,然后fitcdiscr计算并存储完整的协方差矩阵Mdl。

指定SaveMemory作为“上”当输入矩阵包含成千上万的预测因子。

例子:“SaveMemory”,“上”

输出参数

全部折叠

判别分析分类模板适用于训练集合体或纠错输出编码(ECOC)多级模型,作为一个模板对象返回。通过t来fitcensemble或fitcecoc指定如何创建合奏或ECOC模型的判别分析分类器,分别。

如果你显示t到命令窗口,然后所有的未指定的选项出现空([])。然而,与相应的软件替换空选项默认值在训练。

版本历史

介绍了R2014a

另请参阅

|||