主要内容

边缘

的边缘k- 最终邻居分类器

折叠所有页面

语法

ResponseVarName E =边缘(mdl(资源)
E =边缘（MDL，TBL，Y）
e =边缘（MDL，x，y）
E =边缘(＿＿＿、“权重”、重量)

描述

E=边缘（MDL.，TBL.，ResponseVarName）返回的分类边缘MDL.与数据TBL.和分类资源描述。ResponseVarName．如果TBL.包含用于训练的响应变量MDL.，则不需要指定ResponseVarName．

分类边缘(E)是一个标量值，该标量表示分类的利润率．

E=边缘（MDL.，TBL.，Y）返回的分类边缘MDL.与数据TBL.和分类Y．

例子

E=边缘（MDL.，X，Y）返回的分类边缘MDL.与数据X和分类Y．

E=边缘（＿＿＿“重量”,重量）使用额外的观察权重计算边缘重量，使用前面语法中的任何输入参数。

例子

全部折叠

打开直播脚本

创建一个k用于Fisher IRIS数据的最佳邻居分类器，其中k = 5。

加载Fisher虹膜数据集。

负载渔民x = meas;y =物种;

为五个最近邻居创建分类器。

mdl = fitcknn（x，y，'numneighbors'5);

检查分类器的边缘，分类为最小，平均值和最大观察'setosa'，'versicolor'， 和'virginica',分别。

NewX = [min (X);意味着(X),马克斯(X));Y = {'setosa'；'versicolor'；'virginica'};e =边缘（MDL，Newx，Y）
E = 1

所有五个最接近的邻居NewX点分类为相应的Y入口。

输入参数

全部折叠

k- 最终邻居分类器模型，指定为aClassificationKNN目的。

用于培训模型的示例数据，指定为表。每一行的TBL.对应于一个观察，每列对应于一个预测变量。可选地，TBL.可以为响应变量包含一个额外的列。除了字符向量的单元格数组之外，不允许使用多列变量和单元格数组。

如果TBL.包含用于训练的响应变量MDL.，则不需要指定ResponseVarName或者Y．

如果你训练MDL.示例数据包含在桌子，然后输入数据边缘也必须在表中。

数据类型:桌子

响应变量名称，指定为变量的名称TBL.．如果TBL.包含用于训练的响应变量MDL.，则不需要指定ResponseVarName．

您必须指定ResponseVarName作为字符向量或字符串标量。例如，如果响应变量存储为tbl.response.，则指定为'回复'．否则，软件将处理所有列TBL.,包括tbl.response.作为预测因素。

响应变量必须是一个类别、字符或字符串数组、逻辑或数字向量，或字符向量的单元格数组。如果响应变量是一个字符数组，那么每个元素必须对应数组的一行。

数据类型:char|字符串

预测器数据，指定为数字矩阵。每一行的X表示一个观察，每一列表示一个变量。

数据类型:单|双

类标签，指定为类别、字符或字符串数组、逻辑或数字向量或字符向量的单元格数组。每一行的Y的对应行的分类X．

数据类型:分类|char|字符串|逻辑|单|双|细胞

中指定为数值向量或变量名的观测权值TBL.．

如果您指定重量作为一个数字向量，然后是重量必须等于里面的行数X或者TBL.．

如果您指定重量中的变量名TBL.，则名称必须是字符向量或字符串标量。例如，如果权重存储为tbl.w然后指定重量作为' w '．否则，软件将处理所有列TBL.,包括tbl.w作为预测因素。

如果您指定重量,那么边缘功能重量在每行中的观察X或者TBL.与相应的重量重量．

例子：“重量”、“w”

数据类型:单|双|char|字符串

更多关于

全部折叠

利润

的分类保证金对于每一次观察的区别都是分类的分数对真类的最大分类评分，对假类的最大分类评分。

分类边距形成一个行数相同的列向量X或者TBL.．

分数

的分数分类的后验概率为分类的后验概率。后验概率是具有该分类的邻居数量除以邻居数量。有关包含权重和先验概率的更详细定义，请参见后验概率．

扩展功能

另请参阅

|||

主题

在R2012A介绍

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书