Main Content

margin

判別分析分類器の分類マージン

ページ内をすべて折りたたむ

構文

m = margin(Mdl,Tbl,ResponseVarName)
m = margin(Mdl,Tbl,Y)
m = margin(Mdl,X,Y)

説明

m = margin(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 Mdl の分類マージン (m) を返します。

m = margin(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、Mdl の分類マージンを返します。

例

m = margin(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、Mdl の分類マージンを返します。

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。m は Y と同じ長さの数値ベクトルとして返されます。

例

すべて折りたたむ

フィッシャーのアヤメのデータについて、分類マージンを計算します。

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);
M = margin(obj,X,species);
M(end-10:end)
ans =
    0.6551
    0.4838
    0.6551
   -0.5127
    0.5659
    0.4611
    0.4949
    0.1024
    0.2787
   -0.1439
   -0.4444

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

obj = fitcdiscr(meas,species);
M = margin(obj,meas,species);
M(end-10:end)
ans =
    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。

標本データ。テーブルとして指定します。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、margin 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

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、margin 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

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 を指定する場合は、文字ベクトルまたは string スカラーとして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 配列として指定します。Y の型は Mdl の学習に使用した分類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

詳細

すべて折りたたむ

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を表します。

分類マージンは行列 X と同じ行数の列ベクトルです。マージンの値が高い場合、低い値よりも予測の信頼性が高いことを示します。

スコア (判別分析)

判別分析の場合、分類の "スコア" は分類の事後確率です。判別分析の事後確率の定義については、事後確率を参照してください。

拡張機能

バージョン履歴

R2011b で導入

参考

クラス

関数

トピック