margin
アンサンブル分類モデルの分類マージン
構文
説明
は、table m
= margin(ens
,tbl
,ResponseVarName
)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、学習済みアンサンブル分類モデル ens
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。
では、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、1 つ以上の名前と値の引数を使用してオプションを指定します。たとえば、マージンの計算に使用するアンサンブル内の弱学習器のインデックスを指定したり、計算を並列に実行したりできます。m
= margin(___,Name=Value
)
入力引数
ens
— アンサンブル分類モデル
ClassificationEnsemble
モデル オブジェクト | CompactClassificationEnsemble
モデル オブジェクト
完全なアンサンブル分類モデル。fitcensemble
で学習させた ClassificationEnsemble
モデル オブジェクト、または compact
で作成した CompactClassificationEnsemble
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。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
に学習させた場合、margin
の入力データも table に含まれていなければなりません。
データ型: table
ResponseVarName
— 応答変数名
name of variable in tbl
tbl
応答変数の名前。tbl
内の変数の名前で指定します。ens
を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
を指定する場合は、文字ベクトルまたは string スカラーとして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、tbl
の列は Y
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
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
のデータ型は tbl
または X
と同じでなければなりません。(string 配列は文字ベクトルの cell 配列として扱われます)。
Y
の型は 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
の行数と等しくなければなりません。
データ型: categorical
| char
| string
| logical
| single
| double
| cell
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。
例: margin(Mdl,X,Learners=[1 2],UseParallel=true)
は、アンサンブル内の最初の 2 つの学習器をマージンの計算に使用し、並列に実行するように指定します。
Learners
— 弱学習器のインデックス
[1:ens.NumTrained]
(既定値) | 正の整数のベクトル
margin
で使用するアンサンブル内の弱学習器のインデックス。範囲 [1:ens.NumTrained
] の正の整数のベクトルとして指定します。既定では、すべての学習器が使用されます。
例: Learners=[1 2 4]
データ型: single
| double
UseParallel
— 並列実行のフラグ
false
または 0
(既定値) | true
または 1
並列実行のフラグ。数値または logical の 1
(true
) または 0
(false
) として指定します。UseParallel=true
を指定した場合、関数 margin
は parfor
を使用して for
ループの反復を実行します。Parallel Computing Toolbox™ がある場合、ループが並列に実行されます。
例: UseParallel=true
データ型: logical
例
分類マージンの計算
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
分類マージン
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を表します。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 (アンサンブル)
アンサンブルの場合、分類スコアは分類の信頼度をクラスで表したものです。スコアが高いほど、信頼度も高くなります。
アンサンブル アルゴリズムが異なれば、スコアの定義も違ってきます。さらに、スコアの範囲はアンサンブル タイプによって異なります。以下に例を示します。
AdaBoostM1
スコアの範囲は –∞ ~ ∞ です。Bag
スコアの範囲は0
~1
です。
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。
自動並列サポート
Parallel Computing Toolbox™ を使用して自動的に並列計算を実行することで、コードを高速化します。
並列実行するには、この関数を呼び出すときに名前と値の引数 UseParallel
を true
に設定します。
並列計算の全般的な情報については、自動並列サポートを使用した MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。
名前と値の引数 UseParallel
は、tall 配列、GPU 配列、コード生成では使用できません。
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。
使用上の注意事項および制限事項:
関数
margin
では代理分岐をもつ決定木学習器を使用して学習させたアンサンブ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
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)