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。
CompactClassificationEnsemble
パッケージ: classreg.learning.classif
コンパクトなアンサンブル分類のクラス
説明
コンパクトなバージョンのアンサンブル分類 (クラスは ClassificationEnsemble
)。コンパクトなバージョンには、アンサンブル分類の学習のためのデータが含まれません。そのため、コンパクトなアンサンブル分類では、交差検証などの一部のタスクを実行できません。コンパクトなアンサンブル分類は、新しいデータの予測 (分類) を行うために使用してください。
構築
は、完全な決定アンサンブルからコンパクトな決定アンサンブルを構築します。ens
= compact(fullEns
)
入力引数
|
|
プロパティ
|
カテゴリカル予測子のインデックス。正の整数のベクトルとして指定します。 |
|
重複が削除された |
|
|
|
正方行列。 |
|
展開された予測子名。文字ベクトルの cell 配列として格納されます。 モデルがカテゴリカル変数用のエンコーディングを使用している場合、 |
|
|
|
予測子変数の名前の cell 配列。並びは |
|
各クラスの事前確率の数値ベクトル。 |
|
応答変数 |
|
スコア変換用の関数ハンドル、または組み込みの変換関数を表す文字ベクトル。 ドット表記を使用して関数 ens.ScoreTransform = 'function' または ens.ScoreTransform = @function |
|
学習済み分類モデルの cell ベクトル。
|
|
|
|
サイズ アンサンブルが |
オブジェクト関数
compareHoldout | 新しいデータを使用して 2 つの分類モデルの精度を比較 |
edge | 分類エッジ |
gather | GPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集 |
lime | Local Interpretable Model-agnostic Explanations (LIME) |
loss | 分類誤差 |
margin | 分類マージン |
partialDependence | 部分従属の計算 |
plotPartialDependence | 部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成 |
predict | 分類モデルのアンサンブルを使用して観測値を分類 |
predictorImportance | 決定木の分類アンサンブルに関する予測子の重要度の推定 |
removeLearners | コンパクトアンサンブル分類のメンバーの削除 |
shapley | シャープレイ値 |
コピーのセマンティクス
値。値のクラスがコピー操作に与える影響については、オブジェクトのコピーを参照してください。
例
ヒント
分類木のアンサンブルの場合、コンパクトな分類モデルから成る ens.NumTrained
行 1 列の cell ベクトルが ens
の Trained
プロパティに格納されます。cell ベクトルの木 t
をテキストまたはグラフィックで表示するには、以下を入力します。
LogitBoost または GentleBoost を使用して集約したアンサンブルの場合は「
view(ens.Trained{
」。t
}.CompactRegressionLearner)他のすべての集約方法の場合は「
view(ens.Trained{
」。t
})
拡張機能
バージョン履歴
R2011a で導入参考
fitcensemble
| ClassificationEnsemble
| predict
| compact
| fitctree
| view
| compareHoldout