edge

判別分析分類器の分類エッジ

ページ内をすべて折りたたむ

構文

e = edge(Mdl,Tbl,ResponseVarName)
e = edge(Mdl,Tbl,Y)
e = edge(Mdl,X,Y)
e = edge(___,Weights=weights)

説明

e = edge(Mdl,Tbl,ResponseVarName) は、table Tbl 内の予測子データと Tbl.ResponseVarName 内のクラス ラベルを使用して、学習済み判別分析分類器モデル Mdl の分類エッジ e を返します。

分類エッジは、分類マージンの加重平均値です。

e = edge(Mdl,Tbl,Y) は、table Tbl 内の予測子データと Y 内のクラス ラベルを使用して、分類エッジを返します。

e = edge(Mdl,X,Y) は、行列 X 内の予測子データと Y 内のクラス ラベルを使用して、学習済み判別分析分類器モデル Mdl の分類エッジ e を返します。

例

e = edge(___,Weights=weights) は、weights の重みを使用して、分類エッジ e を返します。

メモ

予測子データ X に欠損値がある場合、edge 関数で NaN が返されることがあります。詳細については、欠損値がある予測子データに対して edge で NaN が返されることがあるを参照してください。

例

すべて折りたたむ

ライブ スクリプトを開く

先頭 2 列のデータで学習された、フィッシャーのアヤメ データの分類エッジと分類マージンを計算し、最後の 10 エントリを表示します。

load fisheriris
X = meas(:,1:2);
obj = fitcdiscr(X,species);
E = edge(obj,X,species)
E = 
0.4980

M = margin(obj,X,species);
M(end-10:end)
ans = 11×1

    0.6551
    0.4838
    0.6551
   -0.5127
    0.5659
    0.4611
    0.4949
    0.1024
    0.2787
   -0.1439
   -0.4444
      ⋮

すべてのデータで学習させた分類器の方が優れています。

obj = fitcdiscr(meas,species);
E = edge(obj,meas,species)
E = 
0.9454

M = margin(obj,meas,species);
M(end-10:end)
ans = 11×1

    0.9983
    1.0000
    0.9991
    0.9978
    1.0000
    1.0000
    0.9999
    0.9882
    0.9937
    1.0000
    0.9649
      ⋮

入力引数

すべて折りたたむ

学習済みの判別分析分類器。fitcdiscr で学習させた ClassificationDiscriminant モデル オブジェクト、または compact で作成した CompactClassificationDiscriminant モデル オブジェクトとして指定します。

予測子データ。数値行列として指定します。X の各行は 1 つの観測値に、各列は 1 つの予測子変数に対応します。カテゴリカル予測子変数はサポートされていません。X の列内の変数は、Mdl の学習に使用した変数と同じでなければなりません。X の行数は Y の行数と等しくなければなりません。

行列に格納されている標本データを使用して Mdl に学習させた場合、edge の入力データも行列でなければなりません。

データ型: single | double

標本データ。table として指定します。Tbl の各行は 1 つの観測値に、各列は 1 つの予測子変数に対応します。カテゴリカル予測子変数はサポートされていません。必要に応じて、応答変数用の追加列を Tbl に含めることができます。これは、カテゴリカルにすることができます。Tbl には、モデルに学習させるために使用したすべての予測子が含まれていなければなりません。文字ベクトルの cell 配列ではない cell 配列と複数列の変数は使用できません。

table に格納されている標本データを使用して Mdl に学習をさせた場合、edge の入力データも table に含まれていなければなりません。

データ型: table

応答変数の名前。Tbl 内の変数の名前で指定します。Mdl を学習させるために使用した応答変数が Tbl に含まれている場合、ResponseVarName を指定する必要はありません。

ResponseVarName には文字ベクトルまたは string スカラーを指定しなければなりません。たとえば、応答変数 Y が Tbl.Y として格納されている場合、"Y" として指定します。それ以外の場合、Tbl の列は Y を含めてすべて予測子として扱われます。

応答変数は、categorical 配列、文字配列、string 配列、logical ベクトル、数値ベクトル、または文字ベクトルの cell 配列でなければなりません。応答変数が文字配列の場合、各要素は配列の 1 つの行に対応しなければなりません。

データ型: char | string

クラス ラベル。categorical 配列、文字配列、string 配列、logical ベクトル、数値ベクトル、または文字ベクトルの cell 配列を指定します。Y のデータ型は、Mdl の学習に使用した応答データと同じでなければなりません。(string 配列は文字ベクトルの cell 配列として扱われます)。

Y の長さは、Tbl または X の行数と等しくなければなりません。

データ型: categorical | char | string | logical | single | double | cell

観測値の重み。数値ベクトルとして指定します。weights のサイズは X または Tbl の観測値の数と等しくなければなりません。

例: weights=[0.5 0.9 0.2 0.5]

データ型: single | double

詳細

すべて折りたたむ

拡張機能

すべて展開する

バージョン履歴

R2011b で導入

すべて展開する

参考

クラス

関数

トピック