ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

edge

説明

E = edge(tree,TBL,ResponseVarName) は、データ TBL と分類 TBL.ResponseVarName を指定することによって、tree の分類エッジを返します。

E = edge(tree,X,Y) は、データ X と分類 Y を指定することによって、tree の分類エッジを返します。

E = edge(___,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、エッジを計算します。たとえば、観測値の重みを指定できます。

入力引数

すべて展開する

学習済みの分類木。ClassificationTree または CompactClassificationTree モデル オブジェクトを指定します。つまり、treefitctree または compact が返す学習済み分類モデルです。

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。オプションとして、応答変数用および観測値の重み用の追加列を 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 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 または Y を指定する必要はありません。

table に含まれている標本データを使用して tree を学習させた場合、このメソッドの入力データもテーブルでなければなりません。

データ型: テーブル

分類するデータ。数値行列として指定します。X の各行は 1 つの観測値を、各列は 1 つの予測子を表します。X の列数は、tree を学習させるために使用したデータ数と同じでなければなりません。X の行数は、Y の要素数と同じでなければなりません。

データ型: single | double

応答変数の名前。TBL に含まれている変数の名前として指定します。tree 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.ResponseVarName 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

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 配列を指定します。Y のデータ型は 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: カテゴリカル | char | string | logical | single | double | cell

名前と値のペアの引数

オプションの Name,Value 引数のコンマ区切りペアを指定します。Name は引数名で、Value は対応する値です。Name は引用符で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を、任意の順番で指定できます。

観測値の重み。'Weights' と数値ベクトル、または TBL に含まれる変数の名前から構成されるコンマ区切りのペアとして指定します。

数値ベクトルで Weights を指定する場合、Weights のサイズは X または TBL の行数と等しくなければなりません。

TBL 内の変数名を Weights として指定する場合、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、重みが TBL.W として格納されている場合、'W' として指定します。それ以外の場合、TBL の列は TBL.W を含めてすべて予測子として扱われます。

重みを指定すると、edge は重み付きの分類エッジを計算します。X または TBL の各行に含まれている観測値には、Weights の対応する重みが適用されます。

データ型: single | double | char | string

出力引数

すべて展開する

分類エッジ。マージンの加重平均値を表すスカラー値として返されます。

フィッシャーのアヤメのデータの分類マージンとエッジを計算し、最初の 2 列について学習を行い、最後の 10 エントリを表示します。

load fisheriris
X = meas(:,1:2);
tree = fitctree(X,species);
E = edge(tree,X,species)

E =
    0.6299

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

すべてのデータについて学習した分類木の方が優れています。

tree = fitctree(meas,species);
E = edge(tree,meas,species)

E =
    0.9384

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

詳細

すべて展開する

拡張機能