Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

resubPredict

分類モデルのアンサンブル内の観測値を分類

構文

label = resubPredict(ens)
[label,score] = resubPredict(ens)
[label,score] = resubPredict(ens,Name,Value)

説明

label = resubPredict(ens) は、データ ens.X について ens が予測したラベルを返します。label は、関数 fitcensembleens の作成に使用したデータに関する ens の予測です。

[label,score] = resubPredict(ens) も、すべてのクラスのスコアを返します。

[label,score] = resubPredict(ens,Name,Value) では、1 つ以上の Name,Value の引数ペアで指定された追加オプションを使用して、再代入予測を計算します。

入力引数

ens

関数 fitcensemble で作成されたアンサンブル分類。

名前と値のペアの引数

オプションの Name,Value 引数のコンマ区切りペアを指定します。Name は引数名で、Value は対応する値です。Name は引用符で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を、任意の順番で指定できます。

'learners'

アンサンブルに含まれている 1 から NumTrained までの弱学習器のインデックス。oobLoss は、これらの学習器のみを損失の計算に使用します。

既定値: 1:NumTrained

出力引数

label

応答 ens は、学習データについて予測します。label は、学習応答データ ens.Y 同じデータ型で、ens.X の行数と同じ数のエントリ数があります。

score

NK 列の行列。ここで Nens.X の行数、Kens のクラスの数です。スコア値が高い場合、観測がこのクラスから派生した可能性が高いことを示します。

すべて展開する

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

詳細

すべて展開する