Main Content

meanMargin

平均分類マージン

構文

mar = meanMargin(B,TBLnew,Ynew)
mar = meanMargin(B,Xnew,Ynew)
mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar = meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)

説明

mar = meanMargin(B,TBLnew,Ynew) は、与えられた真の応答 Ynew を使用して、テーブル TBLnew に格納されている予測子に対する平均分類マージンを計算します。TBLnew に応答変数が含まれている場合、Ynew を省略できます。テーブルに格納されている標本データを使用して B の学習を行った場合、このメソッドの入力データもテーブルに格納されていなければなりません。

mar = meanMargin(B,Xnew,Ynew) は、与えられた真の応答 Ynew を使用して、行列 Xnew に格納されている予測子に対する平均分類マージンを計算します。行列に含まれている標本データを使用して B を学習させた場合、このメソッドの入力データも行列でなければなりません。

Ynew は、数値ベクトル、文字行列、string 配列、文字ベクトルの cell 配列、categorical ベクトル、または logical ベクトルが可能です。meanMargin は、TBLnew または Xnew 内のすべての観測値 (行) に対するマージンの平均を各木について計算します。mar はサイズが 1 行 NTrees 列の行列です。NTrees はアンサンブル B 内の木の本数です。このメソッドは、アンサンブル分類の場合にのみ使用できます。

mar = meanMargin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) または mar = meanMargin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) では、オプション パラメーターの名前と値のペアを指定します。

'Mode'meanMargin による誤差の計算方法。'cumulative' (既定) に設定した場合、mar は長さが NTrees のベクトルになり、1 番目の要素は trees(1) の平均マージンを、2 番目の要素は trees(1:2) の平均マージンを与え、trees(1:NTrees) まで他の要素についても同様になります。'individual' に設定すると、mar は長さ NTrees のベクトルになります。ここで、各要素はアンサンブル内の各ツリーからの平均マージンです。'ensemble' に設定すると、mar はアンサンブル全体の累積平均マージンを示すスカラーとなります。
'Trees'この計算に含めるツリーを示すインデックスのベクトル。既定の設定では、この引数は 'all' に設定され、メソッドはすべてのツリーを使用します。'Trees' が数値ベクトルである場合、メソッドは 'cumulative' モードと 'individual' モードでは長さ NTrees のベクトルを返します。ここで、NTrees は入力ベクトルの要素数です。'ensemble' モードではスカラーを返します。たとえば、'cumulative' モードで、最初の要素は trees(1) からの平均マージンを出力し、2 番目の要素は trees(1:2) からの平均マージンを出力し、以下同様です。
'TreeWeights'ツリーの重みのベクトル。このベクトルは、'Trees' ベクトルと同じ長さでなければなりません。meanMargin は、これらの重みを使用して、重み付けされていない単純な多数決ではなく、加重平均を取得することで、指定したツリーからの出力を結合します。'individual' モードでこの引数を使用することはできません。
'UseInstanceForTree'各観測値に対して予測を行うために使用する木を示す NobsNTrees 列の logical 行列。既定の設定では、このメソッドはすべての観測のすべてのツリーを使用します。
'Weights'マージンの平均化に使用する観測値の重みのベクトル。既定の設定では、各観測値の重みは 1 に設定されます。このベクトルの長さは X の行数と等しくなければなりません。