主要内容

kfoldMargin

分类利润率旨在分类模型

所有的页面崩溃

    语法

    M = kfoldMargin (CVMdl)
    M = kfoldMargin (CVMdl IncludeInteractions, IncludeInteractions)

    描述

    例子

    米= kfoldMargin (CVMdl)返回分类的利润率旨在获得的分类模型CVMdl。对于每一个褶皱,kfoldMargin计算分类利润率validation-fold观察使用分类器训练training-fold观测。CVMdl.X和CVMdl.Y包含两组观察。

    米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions)指定是否包括在计算交互术语。这个语法仅适用于广义可加模型。

    例子

    全部折叠

    打开生活的脚本

    找到k倍利润的系综分类电离层数据。

    加载电离层数据集。

    负载电离层

    创建一个模板树桩。

    t = templateTree (“MaxNumSplits”1);

    训练一个分类决策树的合奏。指定t弱的学习者。

    Mdl = fitcensemble (X, Y,“方法”,“AdaBoostM1”,“学习者”t);

    旨在使用10倍交叉验证分类器。

    cvens = crossval (Mdl);

    计算k-fold利润率。显示汇总统计数据的利润率。

    m = kfoldMargin (cvens);marginStats =表(min (m),意味着(m),马克斯(m),…“VariableNames”,{“最小值”,“的意思是”,“马克斯”})
    marginStats =1×3表最小平均最大交-11.312 7.3236 23.517

    输入参数

    全部折叠

    旨在分区分类,指定为一个ClassificationPartitionedModel,ClassificationPartitionedEnsemble,或ClassificationPartitionedGAM对象。你可以通过两种方式创建对象:

    • 通过训练分类模型下面的表中列出的crossval对象的功能。

    • 训练分类模型使用一个函数中列出下表,并指定一个交叉验证函数的名称参数。

    分类模型 函数
    ClassificationDiscriminant fitcdiscr
    ClassificationEnsemble fitcensemble
    ClassificationGAM fitcgam
    ClassificationKNN fitcknn
    ClassificationNaiveBayes fitcnb
    ClassificationNeuralNetwork fitcnet
    ClassificationSVM fitcsvm
    ClassificationTree fitctree

    标志包括交互模型,指定为真正的或假。这个论点是有效的只有一个广义相加模型(GAM)。也就是说,您可以指定这个论点只有当CVMdl是ClassificationPartitionedGAM。

    默认值是真正的如果模型CVMdl(CVMdl.Trained)包含交互方面。的值必须假如果模型不包含交互方面。

    数据类型:逻辑

    输出参数

    全部折叠

    分类的利润率,作为一个数字返回向量。米是一个n1的向量,其中每一行是相应的观察和幅度n是观测的数量。(n是尺寸(CVMdl.X, 1)当观察行。)

    如果你使用抵抗验证技术来创建CVMdl(也就是说,如果CVMdl.KFold是1),然后米有南值training-fold观察。

    更多关于

    全部折叠

    分类保证金

    的分类保证金二进制分类,对每个观察,真正的类的分类得分之间的差异和分类评分错误类。的分类保证金多级分类的区别是真正的类的分类评分和虚假的最大分数类。

    如果相同规模的利润(即得分值是基于相同的分数转换),然后他们作为衡量分类信心。在多个分类器,那些产生更大的利润更好。

    算法

    kfoldMargin计算分类利润率在相应的描述保证金对象的功能。模型相关的描述,看到合适的保证金下面的表函数引用页面。

    模型类型 保证金函数
    判别分析分类器 保证金
    集成分类器 保证金
    广义相加模型分类器 保证金
    k最近的邻居分类器 保证金
    朴素贝叶斯分类器 保证金
    神经网络分类器 保证金
    金宝app支持向量机分类器 保证金
    二叉决策树的多类分类 保证金

    扩展功能

    另请参阅

    ||||

    介绍了R2011a

    统计和机器学习工具箱文档

    金宝app

    掌握机器学习:一个循序渐进的指导与MATLAB

    掌握机器学习:一个循序渐进的指导与MATLAB

    下载电子书