meanMargin
平均分類マ,ジン
構文
mar = meanMargin(B,TBLnew,Ynew)
mar = meanMargin(B,Xnew,Ynew)
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,…)
mar = meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,…)
説明
mar = meanMargin(B,TBLnew,Ynew)
は,与えられた真の応答Ynew
を使用して,テ,ブルTBLnew
に格納されている予測子に対する平均分類マ,ジンを計算します。TBLnew
に応答変数が含まれている場合,Ynew
を省略できます。テ,ブルに格納されている標本デ,タを使用してB
の学習を行った場合,このメソッドの入力デ,タもテ,ブルに格納されていなければなりません。
mar = meanMargin(B,Xnew,Ynew)
は,与えられた真の応答Ynew
を使用して,行列Xnew
に格納されている予測子に対する平均分類マ,ジンを計算します。行列に含まれている標本デ,タを使用してB
を学習させた場合,このメソッドの入力デ,タも行列でなければなりません。
Ynew
は,数値ベクトル,文字行列,字符串配列,文字ベクトルの细胞配列,直言ベクトル,または逻辑ベクトルが可能です。meanMargin
は,TBLnew
またはXnew
内のすべての観測値(行)に対するマジンの平均を各木にいて計算します。3月
はサesc escズが1行NTrees
列の行列です。NTrees
はアンサンブルB
内の木の本数です。このメソッドは,アンサンブル分類の場合にのみ使用できます。
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,…)
またはmar = meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,…)
では,オプションパラメ,タ,の名前と値のペアを指定します。
“模式” |
meanMargin による誤差の計算方法を示す文字ベクトルまたは字符串スカラ。“累积” (既定)に設定した場合,長さがNTrees のベクトルになり,1番目の要素は树(1) の平均マ,ジンを,2番目の列は树(1:2) の平均マ,ジンを与え,树(1:NTrees) まで他の要素にいても同様になります。“个人” に設定すると,3月 は長さNTrees のベクトルになります。ここで,各要素はアンサンブル内の各ツリーからの平均マージンです。“合奏” に設定すると,3月 はアンサンブル全体の累積平均マ,ジンを示すスカラ,となります。 |
“树” |
この計算に含めるリを示すンデックスのベクトル。既定の設定では,この引数は“所有” に設定され,メソッドはすべてのリを使用します。“树” が数値ベクトルである場合,メソッドは“累积” モドと“个人” モ,ドでは長さNTrees のベクトルを返します。ここで,NTrees は入力ベクトルの要素数です。“合奏” モ,ドではスカラ,を返します。たとえば,“累积” モ,ドで,最初の要素は树(1) からの平均マ,ジンを出力し,2番目の要素は树(1:2) からの平均マ,ジンを出力し,以下同様です。 |
“TreeWeights” |
リの重みのベクトル。このベクトルは,“树” ベクトルと同じ長さでなければなりません。meanMargin は,これらの重みを使用して,重み付けされていない単純な多数決ではなく,加重平均を取得することで,指定したツリーからの出力を結合します。“个人” モ,ドでこの引数を使用することはできません。 |
“UseInstanceForTree” |
各観測値に対して予測を行うために使用する木を示す脑袋 行NTrees 列の逻辑行列。既定の設定では,このメソッドはすべての観測のすべてのリを使用します。 |
“重量” |
マ,ジンの平均化に使用する観測値の重みのベクトル。既定の設定では,各観測値の重みは1に設定されます。このベクトルの長さはxの行数と等しくなければなりません。 |