压缩判别分析类
一个CompactClassificationDiscriminant
对象是一个判别分析分类器的压缩版本。精简版不包括训练分类器的数据。因此,不能使用紧凑分类器执行某些任务,例如交叉验证。使用紧凑分类器对新数据进行预测(分类)。
从完整分类器构造紧凑分类器。cobj
=紧凑(obj
)
由类均值构造一个紧凑的判别分析分类器cobj
= makecdiscr (μ
,σ
)μ
协方差矩阵σ
.有关语法的详细信息,请参见makecdiscr
.
|
判别分析分类器,创建使用 |
|
|
|
类别预测符列表,始终为空( |
|
训练数据中的元素列表 |
|
类与类之间的边界方程
在哪里 如果 |
|
方阵,其中 改变一个 |
|
线性判别模型的Delta阈值,非负标量。如果的系数
改变 |
|
行向量的长度等于中的预测数 如果 |
|
指定鉴别类型的字符向量。之一:
改变 您可以在线性类型之间或二次类型之间进行更改,但不能在线性和二次类型之间进行更改。 |
|
Gamma正则化参数的值,从的标量
|
|
类内协方差矩阵行列式的对数。的类型
|
|
非负标量,参数的最小值,使相关矩阵是可逆的。如果相关矩阵不是奇异的, |
|
类的意思是,指定为 |
|
预测变量名称的单元格数组,按照它们在训练数据中出现的顺序 |
|
每个类的先验概率的数字向量。元素的顺序 添加或更改 |
|
描述响应变量的特征向量 |
|
转换分数的函数句柄,或表示内置转换函数的字符向量。 实现点表示法来添加或更改
|
|
类内协方差矩阵或矩阵。维度取决于
|
compareHoldout | 比较使用新数据的两种分类模型的准确性 |
边缘 | 分类的优势 |
logP | 对数无条件概率密度用于判别分析分类器 |
损失 | 分类错误 |
泰姬陵 | 马氏距离类均值 |
保证金 | 分类的利润率 |
nLinearCoeffs | 非零线性系数的个数 |
预测 | 使用判别分析分类模型预测标签 |
价值。要了解值类如何影响复制操作,请参见复制对象(MATLAB)在MATLAB中®文档。