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。
パッケージ:classReg.Learning.partition
スーパークラス:ClassificationPartitionedModel
高次元データのバイナリ分類用の交差検証済み線形モデル
ClassificationPartitionedLinear
は、交差検証分割で学習を行った一連の線形分類モデルです。交差検証済みの線形分類モデルを取得するには、fitclinear
を使用して交差検証オプションのいずれかを指定します。分類の品質や、線形分類モデルがどの程度一般化を行うかは、kfold メソッドkfoldpredict
、kfoldLoss
、kfoldmargin
、kfoldEdge
を 1 つ以上使用して評価できます。
“ kfold”メソッドメソッドは学习用の観测値でたたモデルモデルを使用使用使用して,学习学习用用データデータににははないない観测観测値値に対するに対するに対する応答をを予测予测を行うますこの场合,観测観测値はははつのほぼ等しいサイズののグループにに无作为にに。。。"学習用分割"にはグループのうち 4 つ (すなわち、データの約 4/5) が含まれ、“検定用”には残りのグループ (すなわち、データの約 1/5) が含まれます。この場合、交差検証は次のように処理されます。
CVMDL.Trained{1}
に保存れ最初最初モデルモデルは后のののグループ観测値値によって学习さされれ,最初のグループのの観测観测観测値値値
1番目グループ最后ののつのグループの値使用使用し,CVMDL.Trained{2}
2番目さ番目のモデルにさます。。番目番目グループの観测値はは,検证検证用に予约予约
3 ~ 5 番目のモデルについて同様の処理が行われます。
kfoldpredict
を呼び出して検証する場合、最初のモデルを使用してグループ 1 の観測に対する予測が計算され、2 番目のモデルにはグループ 2 が計算され、以降同様です。つまり、それぞれの観測値に対する応答は、その観測値ではなく学習したモデルによって推定されます。
メモ
ClassificationPartitionedLinear
モデルオブジェクト予测子セットはされません。
cvmdl = fitclinear(x,y,name,value)
は、姓名
が'CrossVal'
、'cvpartition'
、'坚持'
または'kfold'
のいずれかである場合に、交差検証済みの線形分類モデルを作成します。詳細は、fitclinear
を参照しください。
kfoldEdge | 学习でしない値の分类エッジ |
kfoldLoss | 学习でしない値の分类损失 |
kfoldmargin | 学習で使用しない観測値の分類マージン |
kfoldpredict | 学习でし観测値のラベル予测予测 |
値。値のクラスがコピー操作に与える影響については、オブジェクトのコピーを参照しください。