このペジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
CompactClassificationTree
パッケジ:classreg.learning.classif
コンパクトな分類木
説明
コンパクトなバジョンの分類木(クラスはClassificationTree
)。コンパクトなバジョンには,分類木の学習のためのデタが含まれません。そのため,コンパクトな分類木では,交差検証などの一部のタスクを実行できません。コンパクトな分類木は、新しいデータの予測 (分類) を行うために使用してください。
構築
は,完全な決定木からコンパクトな決定木を構築します。ctree
=紧凑(树
)
入力引数
|
|
プロパティ
|
カテゴリカル予測子の邮箱ンデックス。正の整数のベクトルを指定します。 |
|
N行2列のcell配列。ここでnは, |
|
|
|
|
|
重複が削除された 長さがkの次元が少なくとも1のプロパティの値に含まれている場合, |
|
|
|
正方行列。 |
|
|
|
|
|
|
|
|
|
|
|
展開された予測子名。文字ベクトルのcell配列として格納されます。 モデルがカテゴリカル変数用のエンコディングを使用している場合, |
|
N要素の逻辑ベクトルであり, |
|
|
|
|
|
|
|
リに含まれるノドのリスクを表すn要素のベクトル。ここで,nはノド数です。各ノドのリスクは、ノード確率で重みが付けられたこのノードの不純度の測定基準 (ジニ指数または逸脱度) です。ツリーが twoing によって成長した場合、各ノードのリスクはゼロです。 |
|
|
|
|
|
|
|
予測子変数の名前のcell配列。並びは |
|
各クラスの事前確率の数値ベクトル。 |
|
枝刈りレベルごとに1の要素をも数値ベクトル。枝刈りレベルの範囲が0 ~ mの場合, |
|
|
|
応答変数 |
|
スコア変換用の関数ハンドル,または組み込みの変換関数を表す文字ベクトル。 ドット表記を使用して関数 ctree。ScoreTransform = 'function'或ctree。ScoreTransform = @function |
|
|
|
|
|
|
|
|
|
|
|
|
オブジェクト関数
compareHoldout |
新しいデタを使用して2の分類モデルの精度を比較 |
边缘 |
分類エッジ |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
分類誤差 |
保证金 |
分類マジン |
partialDependence |
部分従属の計算 |
plotPartialDependence |
部分依存プロット(pdp)および個別条件付き期待値(ice)プロットの作成 |
预测 |
分類木の使用によるラベルの予測 |
predictorImportance |
分類木の予測子の重要度の推定 |
沙普利 |
シャプレ |
surrogateAssociation |
分類木における代理分岐に対する関連性の平均予測尺度 |
更新 |
コド生成用にモデルパラメタを更新 |
视图 |
分類木の表示 |
コピのセマンティクス
値。値のクラスがコピ操作に与える影響にいては,オブジェクトのコピを参照してください。