主要内容

kfoldMargin

交叉验证分类模型的分类裕度

在页面中全部折叠

    语法

    M = kfoldMargin (CVMdl)
    M = kfoldMargin (CVMdl IncludeInteractions, IncludeInteractions)

    描述

    例子

    米= kfoldMargin (CVMdl）返回分类的利润率由交叉验证的分类模型得到CVMdl．对于每一个褶皱,kfoldMargin使用训练折叠观测训练的分类器计算验证折叠观测的分类裕度。CVMdl。X而且CVMdl。Y包含两组观察结果。

    米= kfoldMargin (CVMdl“IncludeInteractions”,includeInteractions）指定是否在计算中包含交互项。此语法仅适用于广义加性模型。

    例子

    全部折叠

    打开生活的脚本

    找到k分类的集合的-折叠边缘电离层数据。

    加载电离层数据集。

    负载电离层

    创建一个树桩模板。

    t = templateTree (“MaxNumSplits”1);

    训练决策树的分类集合。指定t作为弱学习者。

    Mdl = fitcensemble (X, Y,“方法”，“AdaBoostM1”，“学习者”t);

    使用10倍交叉验证交叉验证分类器。

    cvens = crossval (Mdl);

    计算k倍边距。显示空白的汇总统计信息。

    m = kfoldMargin (cvens);marginStats =表(min (m),意味着(m),马克斯(m),.．.“VariableNames”，{“最小值”，“的意思是”，“马克斯”})
    marginStats =1×3表最小的意思是最大  _______ ______ ______ - 11.312 7.3236 23.517

    输入参数

    全部折叠

    交叉验证的分区分类器，指定为ClassificationPartitionedModel，ClassificationPartitionedEnsemble,或ClassificationPartitionedGAM对象。你可以用两种方式创建对象:

    • 将下表中列出的经过训练的分类模型传递给它crossval对象的功能。

    • 使用下表中列出的函数训练分类模型，并为函数指定一个交叉验证名称-值参数。

    分类模型 函数
    ClassificationDiscriminant fitcdiscr
    ClassificationEnsemble fitcensemble
    ClassificationGAM fitcgam
    ClassificationKNN fitcknn
    ClassificationNaiveBayes fitcnb
    ClassificationNeuralNetwork fitcnet
    ClassificationSVM fitcsvm
    ClassificationTree fitctree

    标记以包括模型的交互术语，指定为真正的或假．这个论点仅对广义加性模型(GAM)有效。也就是说，只有当CVMdl是ClassificationPartitionedGAM．

    默认值为真正的如果模型在CVMdl（CVMdl。训练有素的)包含交互术语。取值必须为假如果模型不包含交互项。

    数据类型:逻辑

    输出参数

    全部折叠

    分类的利润率，作为数字向量返回。米是一个n-by-1向量，其中每一行都是对应的观察值和的边距n是观察数。（n是尺寸(CVMdl.X, 1)当观察结果排成一行时。)

    如果使用拒绝验证技术来创建CVMdl(也就是说,如果CVMdl。KFold是1),然后米有南训练折叠观测值。

    更多关于

    全部折叠

    分类保证金

    的分类保证金对于二元分类，对于每个观察，是真实类的分类分数与虚假类的分类分数之间的差值。的分类保证金对于多类分类，为真实类的分类分数与虚假类的最大分类分数之差。

    如果差值在相同的刻度上(也就是说，评分值基于相同的评分转换)，那么它们就可以作为分类置信度度量。在多个分类器中，利润率更高的分类器更好。

    算法

    kfoldMargin计算相应中描述的分类边距保证金对象的功能。有关特定于模型的描述，请参阅相应的保证金功能参考页下表。

    模型类型 保证金函数
    判别分析分类器 保证金
    集成分类器 保证金
    广义加性模型分类器 保证金
    k最近的邻居分类器 保证金
    朴素贝叶斯分类器 保证金
    神经网络分类器 保证金
    支持向量机分类器 保证金
    用于多类分类的二叉决策树 保证金

    扩展功能

    版本历史

    介绍了R2011a

    另请参阅

    ||||

    Baidu
    map