このページ最新ではありませ。をクリックし,英语のの最新版版を参照参照し。
predict
ガウスカーネルモデルのラベル予测予测
说明
例
学习セットのの予测
バイナリカーネルをし学习のを予测,生成されたた分类の混同混同行列を表示表示
电离层
データセットを読み込みます。このデータセットには、レーダー反射についての 34 個の予測子と、不良 ('b'
)または('G'
)という351个の项反応含まれいます。
加载电离层
レーダー反射不良('b'
)と('G'
)のどちらを识别バイナリカーネルモデル学习をさせ。
rng('default')% For reproducibilitymdl = fitckernel(x,y);
Mdl
は分类
モデルです。
学习(再)のの予测します。
label =预测(MDL,x);
混同行列作成します。
混淆=混淆(Y,标签);
このモデル,クラスについてについてについてつずつのレーダーを误分类し。。
検定セットのの予测
バイナリカーネルをし検定のを予测,生成されたた分类の混同混同行列を表示表示
电离层
データセットを読み込みます。このデータセットには、レーダー反射についての 34 個の予測子と、不良 ('b'
)または('G'
)という351个の项反応含まれいます。
加载电离层
15%のににににににセットセット検定検定検定検定検定検定検定のののホールドアウトアウト标本ますますますます
rng('default')% For reproducibilityPartition = cvpartition(Y,'坚持',0.15);培训=培训(分区);培训集的%指数testinds = test(分区);测试集的%指数
学习セットしバイナリ分类にをさます。クラスの顺序顺序を定义するすることをお勧めお勧め
Mdl=F一世tckernel(X(trainingInds,:),Y(trainingInds),'ClassNames',,,,{'b',,,,'G'});
学习セットと検定のラベルをし。。。
labelTrain = predict(Mdl,X(trainingInds,:)); labelTest = predict(Mdl,X(testInds,:));
学習セットの混同行列を作成します。
混淆=混淆(Y(训练),标记);
このモデル,についてについてについてつずつつずつつずつ反射を误分类し。。
検定セット混同行列作成します。
混淆=混淆(y(testinds),labeltest);
1つのはつの不良レーダー反射を反射てて,,,,,つつのの良好なレーダー反射反射を不良なな反射反射として
事后クラス确率推定
検定のクラスを推定し特性(RoC)曲线曲线曲线曲线プロットししててモデルモデルモデルの品质を判断判断しします。カーネル分类モデルは,,
电离层
データセットを読み込みます。このデータセットには、レーダー反射についての 34 個の予測子と、不良 ('b'
)または('G'
)という351个の项反応含まれいます。
加载电离层
30%のににににますしセットセットセットセット検定検定検定検定検定検定検定セットののののホールドアウト标本标本。。
rng('default')% For reproducibilityPartition = cvpartition(Y,'坚持',,,,0.30); trainingInds = training(Partition);培训集的%指数testinds = test(分区);测试集的%指数
バイナリカーネルにをさせます回帰学习器をあてはめ。。
Mdl=F一世tckernel(X(trainingInds,:),Y(trainingInds),...'ClassNames',,,,{'b',,,,'G'},,'学习者',,,,“逻辑”);
検定セット事后确率を予测し。。
[〜,parterior] =预测(mdl,x(testinds,:));
Mdl
内の化强度ははつなつなので,出力后部
2でででがセットの観测と同じ行列になります。列一世
には与えた特定の観测に対するに対するmdl.classnames(i)
の事後確率が格納されます。
伪阳性率性を取得し,(AUC)ををををを推定ししますますますます。番目番目番目クラスクラスがが阳性阳性
[fpr,tpr,〜,auc] = perfcurve(y(testinds),后验(:,2),mdl.classnames(2));AUC
AUC=0.9042
aucは1
に近いモデルによるの予测精度高いががますます。
ROC 曲線をプロットします。
数字;图(FPR,TPR)H = GCA;H.Xlim(1)= -0.1;h.ylim(2)= 1.1;Xlabel('False positive rate')ylabel(“真正的正率”) 标题(“ ROC曲线”)
入力引数
Mdl
-バイナリカーネル分类モデル
分类
モデルオブジェクト
バイナリカーネル分类。分类
モデルオブジェクト指定します。分类
モデルオブジェクトは,F一世tckernel
を使用して作成できます。
X
-分类対象のデータ
数値行列|テーブル
分类対象のデータ。数値行列またはテーブルを指定します。
X
1つつの値に対応,各列ははははつのつの変数対応します。
数値行列の场合
X
の列含まているの顺序は,Mdl
に学習させた予測子変数の順序と同じでなければなりません。テーブル(たとえば
tbl
)を使用してMdl
に学习させた,,tbl
に含まて予测変数がすべて変数であれば,X
を数値にことができます。学习ににtbl
内の予测子カテゴリカルとして扱うに,,F一世tckernel
の名前と値のペアの引数分类预期
を使用て予测子を指定し。。tbl
に種類の異なる予測子変数 (数値および categorical データ型など) が混在し、X
が数値行列である場合、predict
でエラーがスローされます。
テーブルの場合
predict
细胞配列配列配列ではないではない配列配列配列列変数変数サポートしません。。。テーブル(たとえば
tbl
)を使用してMdl
に学习させた,,X
内のすべての予測子変数は変数名およびデータ型が、Mdl
に学习せた(mdl.predictictornames
に格納されている) 変数と同じでなければなりません。ただし、X
の列のがtbl
の列の順序に対応する必要はありません。また、tbl
とX
に追加の変数 (応答変数や観測値の重みなど) を含めることができますが、predict
はこれら无视します。数値行列をして
Mdl
に学习させた,,mdl.predictictornames
内の予测とX
内の予测変数がでなけれなりませ。学习时に予测子予测子の名前をを指定する方法方法F一世tckernel
の名前と値のペアの引数PredictorNames
を参照しください。X
内の子は数値ベクトルでなけれなりません。X
に追加の変数 (応答変数や観測値の重みなど) を含めることができますが、predict
はこれら无视します。
データ型:桌子
|双倍的
|单身的
出力引数
详细
分类スコア
カーネル値値値x(行列行列)ををクラスに分类“分类”は次ようにされます。
は特徴拡张するの観测値変换。。。
βは推定された係数の列ベクトルです。
bは推定れスカラーバイアス。。
xをクラス分类するの分类はは-f(x)です。で,スコア正になるに値が分类され。。
カーネル分類モデルがロジスティック回帰学習器から構成されている場合、“ logit”
スコア変换生分类スコアに适用され(ScoreTransform
を参照)。
拡張機能
高
メモリの超えるな多数の行配列を计算し。。
バージョン履歴
参考
matlabコマンド
Matlabコマンドコマンドにするがクリックされまし。。
matlabコマンドコマンドに入力してしください。。。。ブラウザー
您还可以从以下列表中选择一个网站:
如何获得最佳网站性能
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
美洲
- América Latina((Español)
- 加拿大(英语)
- 美国(英语)