Main Content

resubPredict

再代入によるアンサンブル分類の観測値の分類

説明

label = resubPredict(ens) は、ens.X に格納されている予測子データを使用して、学習済みアンサンブル分類モデル ens の予測クラス ラベルのベクトルを返します。label のデータ型は学習応答データ ens.Y と同じで、エントリ数は ens.X の行数と同じです。

label = resubPredict(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や計算を並列に実行するかどうかを指定できます。

[label,score] = resubPredict(ens,___) は、前述の構文におけるいずれかの入力引数の組み合わせを使用して、すべてのクラスのスコアを追加で返します。

すべて折りたたむ

アンサンブル分類について、fisheriris データの誤分類の総数を調べます。

フィッシャーのアヤメのデータ 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);

誤分類の総数を求めます。

Ypredict = resubPredict(ens); % The predictions
Ysame = strcmp(Ypredict,species); % True when Ypredict and species are equal
sum(~Ysame) % Number of different predictions
ans = 5

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: resubPredict(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 resubPredict で使用し、計算を並列に実行するように指定します。

resubPredict 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

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 resubPredictparfor 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

出力引数

すべて折りたたむ

予測クラス ラベル。categorical 配列、文字配列、logical ベクトル、数値ベクトル、または文字ベクトルの cell 配列として返されます。

label のデータ型は ens.ClassNames と同じで、行数は ens.X と同じです。

分類スコア。NK 列の行列として返されます。ここで、Nens.X の行数、Kens のクラスの数です。score の値が高ければ、観測が対応するクラスに属している可能性が高いことを示します。

詳細

すべて折りたたむ

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 01 です。

拡張機能

バージョン履歴

R2011a で導入

すべて展開する