margin

分類木モデルの分類マージン

構文

m = margin(tree,Tbl,ResponseVarName)

m = margin(tree,Tbl,Y)

m = margin(tree,X,Y)

説明

m = margin(tree,Tbl,ResponseVarName) は、table Tbl 内の予測子データと Tbl.ResponseVarName 内の真のクラス ラベルを使用して、学習済み分類木モデル tree の分類マージン m 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 Tbl と同じ行数の列ベクトルです。

m = margin(tree,Tbl,Y) は、table Tbl 内の予測子データと Y 内の真のクラス ラベルを使用します。

m = margin(tree,X,Y) は、行列 X 内の予測子データと Y 内の真のクラス ラベルを使用します。

例

分類マージンの計算

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);
tree = fitctree(X,species);
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);
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

tree — 学習済みの分類木

ClassificationTree モデル オブジェクト | CompactClassificationTree モデル オブジェクト

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。

Tbl — 標本データ

table

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。オプションとして、応答変数用の追加列を Tbl に含めることができます。Tbl には、tree を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、margin 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

ResponseVarName — 応答変数名

Tbl 内の変数の名前

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

X — 予測子データ

数値行列

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

Y — 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 | 文字ベクトルの cell 配列

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

詳細

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です。マージンは、行列 X と同じ行数をもつ列ベクトルです。

スコア (ツリー)

ツリーの場合、葉ノードの分類の "スコア" は、そのノードでの分類の事後確率です。あるノードにおける分類の事後確率とは、分類によって実際にそのノードに達するのに要した学習シーケンスの数を、そのノードまでの学習シーケンスの数で除算した値です。

例については、分類木の事後確率の定義を参照してください。

拡張機能

tall 配列

メモリの許容量を超えるような多数の行を含む配列を計算します。

margin 関数は、tall 配列を完全にサポートします。詳細は、tall 配列を参照してください。

GPU 配列

Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

使用上の注意および制限:

• 関数 margin では代理分岐で学習させた決定木モデルはサポートしていません。

詳細は、GPU での MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。

バージョン履歴

R2011a で導入

参考

predict | loss | edge | fitctree | ClassificationTree | CompactClassificationTree