Main Content

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。

kfoldMargin

交差検証済み分類モデルの分類マージン

    説明

    M = kfoldMargin(CVMdl) では、交差検証された分類モデル CVMdl により取得された分類マージンが返されます。kfoldMargin は、すべての分割について、学習分割観測値に対して学習をさせた分類器を使用して、検証分割観測値の分類マージンを計算します。CVMdl.X および CVMdl.Y には、両方の観測値のセットが含まれます。

    M = kfoldMargin(CVMdl,'IncludeInteractions',includeInteractions) は、計算に交互作用項を含めるかどうかを指定します。この構文は一般化加法モデルにのみ適用されます。

    すべて折りたたむ

    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
    
    

    入力引数

    すべて折りたたむ

    交差検証された分割済みの分類器。ClassificationPartitionedModel オブジェクト、ClassificationPartitionedEnsemble オブジェクトまたは ClassificationPartitionedGAM オブジェクトを指定します。オブジェクトは 2 つの方法で作成できます。

    • 次の表に記載されている学習済み分類モデルをそのオブジェクト関数 crossval に渡す。

    • 次の表に記載されている関数を使用して分類モデルに学習をさせ、その関数の交差検証に関する名前と値の引数のいずれかを指定する。

    モデルの交互作用項を含むというフラグ。true または false として指定します。この引数は、一般化加法モデル (GAM) の場合のみ有効です。つまり、この引数を指定できるのは、CVMdlClassificationPartitionedGAM である場合だけです。

    CVMdl のモデル (CVMdl.Trained) に交互作用項が含まれる場合、既定値は true です。モデルに交互作用項が含まれない場合、値は false でなければなりません。

    データ型: logical

    出力引数

    すべて折りたたむ

    分類マージン。数値ベクトルとして返されます。M は n 行 1 列のベクトルであり、各行は対応する観測のマージンです。n は観測値の個数です (観測値が行に含まれる場合、n は size(CVMdl.X,1) です)。

    ホールドアウト検証の手法を使用して CVMdl を作成する (つまり、CVMdl.KFold1 である) 場合、M には学習分割観測値について NaN 値が含まれます。

    詳細

    すべて折りたたむ

    分類マージン

    バイナリ分類の "分類マージン" は、各観測値における真のクラスの分類スコアと偽のクラスの分類スコアの差です。マルチクラス分類の "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スコアの差を表します。

    各マージンのスケールが同じである場合 (つまり、スコア値が同じスコア変換に基づく場合)、マージンを分類の信頼尺度として使用できます。複数の分類器の中で、マージンが大きい分類器の方が優れています。

    アルゴリズム

    kfoldMargin は、対応するオブジェクト関数 margin で説明されているように、分類マージンを計算します。モデル固有の説明については、次の表に示す該当する関数 margin のリファレンス ページを参照してください。

    モデル タイプ関数 margin
    判別分析分類器margin
    アンサンブル分類器margin
    一般化加法モデル分類器margin
    k 最近傍分類器margin
    単純ベイズ分類器margin
    ニューラル ネットワーク分類器margin
    サポート ベクター マシン分類器margin
    マルチクラス分類用の二分決定木margin

    拡張機能

    R2011a で導入