一会

元素的列表Y删除重复的。一会可以是一个数值向量,向量的分类变量、逻辑向量,字符数组或单元阵列特征向量。一会具有相同的数据类型作为数据的论点吗Y。

合路器

在所有折叠单元阵列的组合器。

成本

方阵,成本(i, j)是一个指向类分类的成本j如果它真正的类我(即。,the rows correspond to the true class and the columns correspond to the predicted class). The order of the rows and columns of成本对应于类的顺序一会。行和列的数量成本在响应中是独特的类的数量。这个属性是只读的。

CrossValidatedModel

旨在模型的名字,一个特征向量。

Kfold

使用的折叠数量旨在合奏,一个正整数。

ModelParameters

对象持有的参数cvens。

NumObservations

在训练中使用的数据点数量合奏,一个正整数。

NTrainedPerFold

在训练中使用的数据点数量的每个折叠合奏,一个正整数。

分区

分区的类cvpartition用于创建旨在合奏。

PredictorNames

单元阵列为预测变量的名称,在它们出现的顺序X。

之前

每个类的先验概率数值向量。元素的顺序之前对应于类的顺序一会。元素的数量之前在响应中是独特的类的数量。这个属性是只读的。

ResponseName

响应变量的名称Y,一个特征向量。

ScoreTransform

函数处理转变分数,或字符向量代表一个内置的变换函数。“没有”意味着没有转换;同样,“没有”意味着@ x (x)。的内置转换函数和自定义的语法转换函数,看看fitctree。

添加或更改ScoreTransform函数使用点符号:

ens.ScoreTransform = '函数”

或

ens.ScoreTransform = @函数

可训练的

在交叉验证折叠单元阵列的乐团训练。每一个合奏充满,这意味着它包含其训练数据和权重。

训练有素的

单元阵列交叉验证折叠紧凑乐团训练。

W

按比例缩小的权重,一个向量的长度n的行数X。

X

一个矩阵的预测价值。每一列的X代表一个变量,每一行代表一个观察。

Y

一个数字列向量具有相同的行数X。中的每个条目Y应对数据在相应的行吗X。