edge

分類木モデルの分類エッジ

ページ内をすべて折りたたむ

構文

E = edge(tree,Tbl,ResponseVarName)
E = edge(tree,X,Y)
E = edge(___,Weights=weights)

説明

E = edge(tree,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、学習済みの分類木モデル tree 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を表す数値スカラー値です。

E = edge(tree,X,Y) は、X に含まれている予測子データと Y に含まれているクラス ラベルを使用して、tree の分類エッジを返します。

例

E = edge(___,Weights=weights) は、前の構文におけるいずれかの入力引数の組み合わせに加えて、weights で指定された観測値の重みを使用してエッジを計算します。

例

すべて折りたたむ

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と分類エッジを計算し、最後の 10 エントリを表示します。

load fisheriris
X = meas(:,1:2);
tree = fitctree(X,species);
E = edge(tree,X,species)

E =
    0.6299

M = margin(tree,X,species);
M(end-10:end)
ans =
    0.1111
    0.1111
    0.1111
   -0.2857
    0.6364
    0.6364
    0.1111
    0.7500
    1.0000
    0.6364
    0.2000

すべてのデータで学習させた分類木の方が優れています。

tree = fitctree(meas,species);
E = edge(tree,meas,species)

E =
    0.9384

M = margin(tree,meas,species);
M(end-10:end)
ans =
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565
    0.9565

入力引数

すべて折りたたむ

学習済みの分類木。fitctree で学習させた ClassificationTree モデル オブジェクト、または compact で作成した CompactClassificationTree 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 の各列が 1 つの変数を表し、各行が 1 つの観測値を表します。

X の列数は tree の学習に使用したデータと同じでなければなりません。X の行数は Y の行数と同じ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。必要に応じて、応答変数用および観測値の重み用の追加列を Tbl に含めることができます。Tbl には、tree 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。

tree に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 または Y を指定する必要はありません。

table に格納されている標本データを使用して tree の学習を行う場合、edge の入力データも table に格納さ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。tree に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、応答変数が Tbl.Response として格納されている場合、"Response" として指定します。それ以外の場合、Tbl の列は Tbl.Response 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 tree の学習に使用した分類と同じでなければならず、要素数は X の行数に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。数値ベクトルまたは Tbl 内の変数の名前を指定します。

数値ベクトルで weights を指定する場合、weights のサイズは X または Tbl の行数と等しくなければなりません。

weights として Tbl 内の変数名を指定する場合、名前は文字ベクトルまたは string スカラーでなければなりません。たとえば、重みが Tbl.W として格納されている場合、weights として "W" を指定します。それ以外の場合、Tbl の列は Tbl.W を含めてすべて予測子として扱われます。

重みを指定すると、edge は重み付きの分類エッジを計算します。X または Tbl の各行に含まれている観測値には、weights の対応する重みが適用されます。

データ型: single | double | char | string

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

R2011a で導入

参考

| | | | |