ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

resubEdge

クラス: ClassificationNaiveBayes

再代入による単純ベイズ分類器の分類エッジ

説明

e = resubEdge(Mdl) は、Mdl.X に保存された学習データと、Mdl.Y に保存された対応するクラス ラベルを使用して、単純ベイズ分類器 Mdl の再代入分類エッジ (e) を返します。

入力引数

すべて展開する

完全な学習済み単純ベイズ分類器。fitcnb で学習させた ClassificationNaiveBayes モデルとして指定します。

出力引数

すべて展開する

スカラーとして返される分類エッジ。分類器を学習させるとき重みを渡す場合、e は重み付けされた分類エッジです。それぞれのクラスの事前確率の合計になるように、重みが正規化されます。

すべて展開する

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
X = meas;    % Predictors
Y = species; % Response
rng(1);

単純ベイズ分類器を学習させます。クラスの順序を指定することをお勧めします。ラベルが与えられる場合、各予測子は条件付きで正規分布すると仮定します。

Mdl = fitcnb(X,Y,'ClassNames',{'setosa','versicolor','virginica'});

Mdl は学習させた ClassificationNaiveBayes 分類器です。

再代入エッジを推定します。

e = resubEdge(Mdl)
e = 0.8944

学習標本マージンの平均はおよそ 0.9 です。これは、分類器が標本内観測値を高い信頼度で分類することを意味します。

分類器エッジは、分類器マージンの平均を測定します。特徴選択を行う方法のひとつとして、複数のモデルからの学習標本エッジを比較します。この条件のみに基づくと、エッジが最高となる分類器が最善の分類器となります。

フィッシャーのアヤメのデータセットを読み込みます。次の 2 つのデータセットを定義します。

  • fullX にはすべての予測子が含まれます。

  • partX には最後の 2 つの予測子が含まれます。

load fisheriris
X = meas;    % Predictors
Y = species; % Response
fullX = X;
partX = X(:,3:4);

各予測子セットの単純ベイズ分類器を学習させます。

FullMdl = fitcnb(fullX,Y);
PartMdl = fitcnb(partX,Y);

分類器ごとに学習標本エッジを推定します。

fullEdge = resubEdge(FullMdl)
fullEdge = 0.8944
partEdge = resubEdge(PartMdl)
partEdge = 0.9169

予測子 3 と 4 で学習させた分類器のエッジの方が大きくなるため、これらの予測子だけを使用して学習させた分類器の標本内近似の方が優れていることを意味します。

詳細

すべて展開する