Main Content

margin

分類マージン

このページをすべて展開する

構文

M = margin(ens,tbl,ResponseVarName)
M = margin(ens,tbl,Y)
M = margin(ens,X,Y)
M = margin(___Name,Value)

説明

M = margin(ens,tbl,ResponseVarName) は、真の分類が tbl.ResponseVarName の場合に、データ tbl の ens の予測に対する分類マージンを返します。

M = margin(ens,tbl,Y) は、真の分類が Y の場合に、データ tbl の ens の予測に対する分類マージンを返します。

M = margin(ens,X,Y) は、真の分類が Y の場合に、データ X の ens の予測に対する分類マージンを返します。

M = margin(___Name,Value) は、前の構文のいずれかを使用し、1 つ以上の Name,Value ペア引数で指定されたオプションを追加して、マージンを計算します。

入力引数

ens

関数 fitcensemble で作成されたアンサンブル分類、または、compact を使用して作成されたコンパクト アンサンブル分類。

tbl

標本データ。テーブルとして指定します。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。tbl には、モデル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。

table に格納されている標本データを使用して ens の学習を行った場合、このメソッドの入力データも table に格納されていなければなりません。

ResponseVarName

応答変数の名前。tbl 内の変数の名前で指定します。

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 Y が tbl.Y として格納されている場合、'Y' として指定します。それ以外の場合、モデルを学習させるときに、tbl の列は Y を含めてすべて予測子として扱われます。

X

分類するデータの行列。X の各行は 1 つの観測値を表し、各列は、1 つの予測子を表します。X は、ens の学習に使用されるデータと同じ列数でなければなりません。X は、Y に含まれる要素数と同じ数の行がなければなりません。

行列に含まれている標本データを使用して ens を学習させた場合、このメソッドの入力データも行列でなければなりません。

Y

tbl または X における観測値のクラス ラベル。Y のデータ型は ens 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 tbl または X の行数に等しくなければなりません。

名前と値の引数

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで Name は引数名、Value は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。

R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name を引用符で囲みます。

learners

アンサンブルに含まれている 1 から ens.NumTrained までの弱学習器のインデックス。margin は、これらの学習器のみを損失の計算に使用します。

既定値: 1:NumTrained

UseObsForLearner

N 行 T 列のサイズの logical 行列です。

  • N は X の行の数です。

  • T は、ens に存在する弱学習器の数です。

UseObsForLearner(i,j) が true のとき、学習器 j が X の行 i のクラスの予測に使用されます。

既定値: true(N,T)

UseParallel

推定を並列で実行するための指定。false (逐次計算) または true (並列計算) として指定します。並列計算には Parallel Computing Toolbox™ が必要です。特に大規模なデータセットでは、並列推定の方が逐次推定よりも高速になる可能性があります。並列計算は木学習器でのみサポートされます。

既定値: false

出力引数

M

tbl または X と同じ行数の数値列ベクトル。M の各行は、tbl または X の対応する行の分類マージンを与えます。

例

すべて展開する

ライブ スクリプトを開く

fisheriris データの平均的な花を 'versicolor' に分類するマージンを求めます。

フィッシャーのアヤメのデータセットを読み込みます。

load fisheriris

AdaBoostM2 を使用して 100 本のブースティング分類木のアンサンブルに学習をさせます。

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

平均的な花を分類し、分類マージンを求めます。

flower = mean(meas);
predict(ens,flower)
ans = 1x1 cell array
    {'versicolor'}


margin(ens,flower,'versicolor')
ans = 3.2140

詳細

すべて展開する

拡張機能

参考

| |