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。

kfoldMargin

学習で使用しない観測の分類マージン

構文

M = kfoldMargin(obj)

説明

M = kfoldMargin(obj) では、交差検証された分類モデル obj により取得された分類マージンが返されます。この手法では、すべての分割について 分割外の観測値で学習したモデルを使用し、分割内の観測値の分類マージンを計算します。

入力引数

obj

タイプ ClassificationPartitionedModel または ClassificationPartitionedEnsemble の分割された分類モデル。

出力引数

M

分類マージン。

すべて展開する

ionosphere データを分類するアンサンブルの k 分割のマージンを求めます。

ionosphere データセットを読み込みます。

load ionosphere

木の切り株のテンプレートを作成します。

t = templateTree('MaxNumSplits',1);

決定木のアンサンブル分類を学習させます。弱学習器として t を指定します。

Mdl = fitcensemble(X,Y,'Method','AdaBoostM1','Learners',t);

10 分割交差検証を使用して分類器を交差検証します。

cvens = crossval(Mdl);

k 分割マージンを計算します。マージンの要約統計を表示します。

m = kfoldMargin(cvens);
marginStats = table(min(m),mean(m),max(m),...
    'VariableNames',{'Min','Mean','Max'})
marginStats=1×3 table
      Min       Mean      Max  
    _______    ______    ______

    -11.312    7.3236    23.517

詳細

すべて展開する