Main Content

resubEdge

アンサンブル分類モデルの再代入分類エッジ

ページ内をすべて折りたたむ

構文

edge = resubEdge(ens)
edge = resubEdge(ens,Name=Value)

説明

例

edge = resubEdge(ens) は、ens.X に格納されている学習データと ens.Y に格納されている対応する真のクラス ラベルを使用して、学習済みアンサンブル分類モデル ens の再代入分類エッジ (edge) を返します。分類エッジは、データ セット全体で平均した分類マージンです。edge は、名前と値の引数 Mode の設定に応じてスカラーまたはベクトルとなります。

edge = resubEdge(ens,Name=Value) では、1 つ以上の名前と値の引数を使用して追加オプションを指定します。たとえば、損失の計算に使用する弱学習器のインデックスを指定したり、出力の集約レベルを選択したり、計算を並列に実行したりできます。

例

すべて折りたたむ

ライブ スクリプトを開く

フィッシャーのアヤメのデータを分類するアンサンブルについて、再代入エッジを求めます。

標本データ セットを読み込みます。

load fisheriris

AdaBoostM2 を使用して 100 本のブースティング分類木のアンサンブルに学習をさせます。

t = templateTree(MaxNumSplits=1); % Weak learner template tree object
ens = fitcensemble(meas,species,"Method","AdaBoostM2","Learners",t);

再代入エッジを求めます。

edge = resubEdge(ens) 
edge = 3.2486

入力引数

すべて折りたたむ

アンサンブル分類モデル。fitcensemble で学習させた ClassificationEnsemble モデル オブジェクトとして指定します。

名前と値の引数

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで Name は引数名、Value は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。

R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name を引用符で囲みます。

例: resubEdge(ens,Learners=[1 2 3 5],UseParallel=true) は、アンサンブル内の 1 番目、2 番目、3 番目、および 5 番目の学習器を resubEdge で使用し、計算を並列に実行するように指定します。

resubEdge で使用するアンサンブル内の弱学習器のインデックス。範囲 [1:ens.NumTrained] の正の整数のベクトルとして指定します。既定では、すべての学習器が使用されます。

例: Learners=[1 2 4]

データ型: single | double

出力の集約レベル。"ensemble"、"individual"、または "cumulative" として指定します。

値説明
"ensemble"出力は、アンサンブル全体に対する損失を表すスカラー値になります。
"individual"出力は、学習させた学習器ごとに 1 つの要素をもつベクトルになります。
"cumulative"出力は、学習器の入力リストから学習器 1:J を使用して要素 J が取得されたベクトルになります。

例: Mode="individual"

データ型: char | string

並列実行のフラグ。数値または logical の 1 (true) または 0 (false) として指定します。UseParallel=true を指定した場合、関数 resubEdge は parfor を使用して for ループの反復を実行します。Parallel Computing Toolbox™ がある場合、ループが並列に実行されます。

例: UseParallel=true

データ型: logical

詳細

すべて折りたたむ

分類エッジ

"分類エッジ" は、分類マージンの加重平均値です。重みは ens.Prior のクラス確率です。

分類マージン

"分類マージン" は、真のクラスの分類 "スコア" と偽のクラスの最大分類スコアの差です。マージンは、行列 ens.X と同じ行数をもつ列ベクトルです。

スコア (アンサンブル)

アンサンブルの場合、分類スコアは分類の信頼度をクラスで表したものです。スコアが高いほど、信頼度も高くなります。

アンサンブル アルゴリズムが異なれば、スコアの定義も違ってきます。さらに、スコアの範囲はアンサンブル タイプによって異なります。以下に例を示します。

  • AdaBoostM1 スコアの範囲は –∞ ～ ∞ です。

  • Bag スコアの範囲は 0 ～ 1 です。

拡張機能

バージョン履歴

R2011a で導入

すべて展開する

参考

| | | | |