ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

ClassificationDiscriminant.template

クラス: ClassificationDiscriminant

集団の判別分析分類器テンプレート (削除予定)

ClassificationDiscriminant.template は将来のリリースでは削除される予定です。代わりに templateDiscriminant を使用してください。

構文

t = ClassificationDiscriminant.template()
t = ClassificationDiscriminant.template(Name,Value)

説明

t = ClassificationDiscriminant.template() は、関数 fitensemble で使用するのに適した学習器テンプレートを返します。

t = ClassificationDiscriminant.template(Name,Value) では、1 つ以上の Name,Value の引数ペアで指定された追加オプションを使用して、テンプレートを作成します。

入力引数

すべて展開する

名前/値のペアの引数

オプションの Name,Value の引数ペアをコンマ区切りで指定します。ここで、Name は引数名で、Value は対応する値です。Name は単一引用符 (' ') で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を任意の順序で指定できます。

すべて展開する

線形係数のしきい値。'Delta' と非負のスカラー値で構成されるコンマ区切りのペアとして指定します。obj の係数の大きさが Delta よりも小さい場合、obj はこの係数を 0 に設定します。また、対応する予測子をモデルから削除できます。Delta を高い値に設定すると、削除できる予測子が多くなります。

2 次判別モデルでは Delta0 でなければなりません。

データ型: single | double

判別タイプ。'DiscrimType' と次の表の文字ベクトルから構成されるコンマ区切りのペアとして指定します。

説明予測子の共分散の処理
'linear'正則化された線形判別分析 (LDA)
  • すべてのクラスで同じ共分散行列になります。

  • Σ^γ=(1γ)Σ^+γdiag(Σ^).

    Σ^ は経験的なプールされた共分散行列、γ は正則化の量です。

'diaglinear'LDAすべてのクラスで同じ対角共分散行列になります。
'pseudolinear'LDAすべてのクラスで同じ共分散行列になります。共分散行列の逆行列には疑似逆行列が使用されます。
'quadratic'2 次判別分析 (QDA)共分散行列はクラスによって異なる可能性があります。
'diagquadratic'QDA共分散行列は対角行列になり、クラスによって異なる可能性があります。
'pseudoquadratic'QDA共分散行列はクラスによって異なる可能性があります。共分散行列の逆行列には疑似逆行列が使用されます。

    メモ:   正則化を使用するには、'linear' を指定しなければなりません。正則化の量を指定するには、名前と値のペアの引数 Gamma を使用します。

例: 'DiscrimType','quadratic'

Coeffs プロパティ フラグ。'FillCoeffs''on' または 'off' で構成されるコンマ区切りのペアとして指定します。このフラグを 'on' に設定すると、分類器オブジェクトの Coeffs プロパティに値が入力されます。この設定を行うと、計算量が多くなる場合があります (特に交差検定時)。既定値は 'on' です。ただし、交差検定の名前と値のペアを指定した場合は、このフラグの既定値は 'off' になります。

例: 'FillCoeffs','off'

予測子の共分散行列を推定するときに適用する正則化の量。'Gamma' と区間 [0,1] にあるスカラー値から構成されるコンマ区切りのペアとして指定します。Gamma を使用すると、共分散行列の構造を DiscrimType より細かく調節できます。

  • 0 を指定した場合、正則化を使用する共分散行列の調整は行われません。つまり、制限がない経験的な共分散行列が推定および使用されます。

    • 線形判別分析では、経験的な共分散行列が特異である場合、共分散行列の逆行列を計算するために必要な最小の正則化が自動的に適用されます。選択された正則化の量は、コマンド ラインで obj.Gamma と入力することにより表示できます。

    • 2 次判別分析では、特異である経験的共分散行列が少なくとも 1 つのクラスにある場合、エラーがスローされます。

  • 区間 (0,1) にある値を指定した場合、線形判別分析を実装しなければなりません。そうしないとエラーがスローされます。この結果、DiscrimType'linear' に設定されます。

  • 1 を指定した場合、最大の正則化が共分散行列の推定に使用されます。つまり、共分散行列は対角行列に制限されます。または、対角共分散行列にするため、DiscrimType'diagLinear' または 'diagQuadratic' に設定できます。

    例: 'Gamma',1

    データ型: single | double

    共分散行列を保存するためのフラグ。'SaveMemory''on' または 'off' のいずれかで構成されるコンマ区切りのペアとして指定します。'on' を指定した場合、fitcdiscr にはフルの共分散行列ではなく、行列を計算するために十分な情報が格納されます。predict メソッドは予測のためにフルの共分散行列を計算し、行列は格納しません。'off' を指定すると、fitcdiscr はフルの共分散行列を計算し、obj に格納します。

    入力行列に数千個もの予測子がある場合は、SaveMemory'on' に設定します。

    例: 'SaveMemory','on'

    出力引数

    すべて展開する

    関数 fitensemble での使用に適した判別分析分類テンプレート。分類テンプレート オブジェクトとして返します。集団では、t は判別分析分類器の作成方法を指定します。

    すべて展開する

    fitensemble で使用するための既定の設定でない判別分析テンプレートを作成します。

    疑似線形判別分析のテンプレートを作成します。

    t = ClassificationDiscriminant.template('discrimType','pseudoLinear')
    t = 
    
    Fit template for classification Discriminant.
    
        DiscrimType: 'pseudoLinear'
              Gamma: []
              Delta: []
         FillCoeffs: []
         SaveMemory: []
             Method: 'Discriminant'
               Type: 'classification'

    アンサンブル学習には t を使用できます。

    この情報は役に立ちましたか?