我如何获得分数概率估计使用预测函数在fitcensemble模型?

68(30天)

显示旧的评论

MathWorks支金宝app持团队 2018年3月19日

0
链接

这个问题直接联系

https://it.mathworks.com/matlabcentral/answers/395526-how-do-i-obtain-scores-as-probabilistic-estimates-using-the-predict-function-on-a-fitcensemble-model

编辑: MathWorks支金宝app持团队 2023年5月3日18:18

答:接受 MathWorks支金宝app持团队

后运行本文中的第一个例子(https://se.mathworks.com/help/stats/fitcensemble.html bvdwkeh)——“训练分类合奏”我想观察的概率/分数在两类之一。但是通过这个函数[标签,分数]=预测(Mdl1 pX);分数很奇怪;7.0616 7.06163.9722 -3.9722 ....这可以变换成概率吗?

在回答这个问题。

接受的答案

MathWorks支金宝app持团队 2023年5月3日下午4

1
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/395526-how-do-i-obtain-scores-as-probabilistic-estimates-using-the-predict-function-on-a-fitcensemble-model answer_315608

编辑:MathWorks支金宝app持团队 2023年5月3日18:18

背后的原因的命令'(标签,分数)=预测(Mdl1 pX)不返回分数概率估计是因为LogitBoost的算法中使用的模型并不把分数当做概率估计。相反,分数代表的信心一个分类成一个类,更高、更自信。这是解释下面的文档链接:

//www.tatmou.com/help/stats/compactclassificationensemble.predict.html#bvciha4

如果你想获得概率估计分数,你可能会考虑两个选择:1)你可以设置“ScoreTransform”名称-值对的“fitcensemble”“分对数”。这名称-值对将分数转换概率estimates.https: / /www.tatmou.com/help/stats/fitcensemble.html # bvcj_s0-1_sep_shared-ScoreTransformUsing预测模型然后返回分数为每个类概率值。例如:

                               MdlFinal = fitcensemble (X, Y,“NumLearningCycles”idxNumTrees,…
                              
                               “学习者”tFinal,“LearnRate”learnRate (idxLR),“ScoreTransform”,分对数的)
                              
                               > >[~,分数]=预测(MdlFinal X)
                              
                               成绩=
                              
                               0.03600.9640
                              
                               0.80540.1946
                              
                               0.02780.9722
                              
                               …

2)设置方法的名称-值对“fitcensemble”“袋”。如前所述的文档链接在这里,“包”算法返回分数作为概率值。文档链接的方法名称-值对可以在这里找到:

运行以下命令在MATLAB 2017文档:

> > web (fullfile (docroot,“数据/ fitcensemble.html”))

或最新版本的文档请参考://www.tatmou.com/help/stats/fitcensemble.html

6个评论
显示5年长的评论隐藏5年长的评论

Bithika Chatterjee 2019年10月22日

你好,

我面临同样的问题。

使用机器学习UI生成下面的代码进行训练

classificationEnsemble = fitcensemble (…

预测,……

反应,…

“方法”、“RUSBoost’,……

“NumLearningCycles”, 30岁的……

“学习者”,模板,…

“LearnRate”, 0.1,…

“类名”,[0;1);

%创建结果结构预测函数

predictorExtractionFcn = @ t (t) (:, predictorNames);

ensemblePredictFcn = @ (x)预测(classificationEnsemble x);

trainedClassifier。预测Fcn = @(x) ensemblePredictFcn(predictorExtractionFcn(x));

然后用我的新表称为测试的命令

(标签、分数)= trainedClassifier.predictFcn(测试)

但是分数是这样的

0.1008 - 1.5843

1.6184 - 0.0666

1.6851 0

1.6778 - 0.0072

1.6851 0

0.1842 - 1.5008

1.2034 - 0.4816

1.4613 - 0.2238

1.4890 - 0.1961

谁能告诉我我怎样可以得到概率估计的分数从0 - 1。我试着使用这个选项“ScoreTransform”,“分对数”,但也给了我同样的分数。

还谁能告诉我如何绘制ROC曲线的预测。

我试着使用这个命令为中华民国在那里我给我的分数预测

(X, Y) = perfcurve (true_labels,得分,1)

把错误

错误使用perfcurve > preparedata(第1270行)

你必须通过分数作为一个向量的浮点值。

第二个参数是分数需要价值的第一或第二列或两个?

好心的帮助

kubilay muameleci 2022年1月7日

我不能够得到两个分数列尽管我有两类标签为“1”和“0”。我获得通过预测函数只有一个列的分数。这是为什么呢?你能帮助吗?

                                   数据= readtable (“clean_data.csv”);
                                  
                                   split_size = 0.15;
                                  
                                   N =大小(数据,1);
                                  
                                   分= false (N, 1);
                                  
                                   split(1:圆形(split_size * N)) = true;
                                  
                                   排列= randperm (N);
                                  
                                   分=分裂(排列);
                                  
                                   trainingSet =数据(~分裂,:);
                                  
                                   testingSet =数据(分裂,:);
                                  
                                   trainingPredictors = trainingSet {: 2:29};
                                  
                                   trainingOutcomes = trainingSet {: 31};
                                  
                                   testingPredictors = testingSet {: 2:29};
                                  
                                   testingOutcomes = testingSet {: 31};
                                  
                                   X = trainingPredictors;
                                  
                                   y = trainingOutcomes;
                                  
                                   SVMModel = fitcsvm (X, y,“KernelFunction”,“rbf”,“KernelScale”sigmaOpts,…
                                  
                                   “BoxConstraint”boxOpts,“类名”,{' 0 ',' 1 '});
                                  
                                   [predictedLabels,分数]=预测(SVMModel testingPredictors);

登录置评。

答案(1)

达里奥沃尔特 2020年8月20日

3
链接

直接链接到这个答案

https://it.mathworks.com/matlabcentral/answers/395526-how-do-i-obtain-scores-as-probabilistic-estimates-using-the-predict-function-on-a-fitcensemble-model answer_482585

因此, “ScoreTransform”、“分对数的适合AdaboostM1接收概率估计。包装不需要任何转换,因为它返回默认概率估计。但是RUSBoost呢?当我画的Precision-Recall曲线(1)没有转换,(2)分对数和(3)doublelogit,得到三个不同的曲线。哪一个是正确的?当我分数转换应用到演M1分数,我总是得到相同的精度召回曲线(这很好)。