主要内容

resubPredict

在分类模型的集合中对观测数据进行分类

在页面中全部展开

语法

标签= resubPredict(实体)
(标签,分数)= resubPredict(实体)
(标签,分数)= resubPredict(实体、名称、值)

描述

标签= resubPredict (实体）返回标签实体预测数据ens.X．标签是关于实体根据数据fitcensemble用于创建实体．

［标签，分数) = resubPredict (实体）还返回所有类的分数。

［标签，分数) = resubPredict (实体，名称,值）查找带有一个或多个指定的附加选项的再替换预测名称,值对参数。

输入参数

实体

创建的分类集合fitcensemble．

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

学习者

弱学习者在集合中的指标从1来实体.NumTrained．resubPredict只使用这些学习器来计算损失。

默认值:1: NumTrained

UseParallel

指示并行执行推理，指定为假(串行计算)或真正的(并行计算)。并行计算需要并行计算工具箱™。并行推理比串行推理更快，特别是对于大型数据集。并行计算只支持树型学习者。

默认值:假

输出参数

标签

响应实体预测训练数据。标签数据类型是否与训练响应数据相同ens.Y的行数与的条目数相同ens.X．

分数

一个N——- - - - - -K矩阵,N行数在吗ens.X,K班数在吗实体．高分值表示观察结果可能来自这类。

例子

全部展开

打开生活的脚本

找出错误分类的总数fisheriris分类集合的数据。

加载Fisher虹膜数据集。

负载fisheriris

使用AdaBoostM2训练100个增强分类树的集合。

t = templateTree (“MaxNumSplits”1);弱学习者模板树对象实体= fitcensemble(量、种类、“方法”，“AdaBoostM2”，“学习者”t);

找出错误分类的总数。

Ypredict = resubPredict (ens);%的预测Ysame = strcmp (Ypredict、物种);%当Ypredict和物种相等时为真总和(~ Ysame)%不同预测的数量
ans = 5

更多关于

全部展开

扩展功能

另请参阅

|||

Baidu
map