Main Content

margin

分類マージン

構文

mar = margin(B,TBLnew,Ynew)
mar = margin(B,Xnew,Ynew)
mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...)
mar = margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...)

説明

mar = margin(B,TBLnew,Ynew) は、与えられた真の応答 Ynew を使用して、テーブル TBLnew に格納されている予測子に対する分類マージンを計算します。TBLnew に応答変数が含まれている場合、Ynew を省略できます。テーブルに格納されている標本データを使用して B の学習を行った場合、このメソッドの入力データもテーブルに格納されていなければなりません。

mar = margin(B,Xnew,Ynew) は、与えられた真の応答 Ynew を使用して、行列 Xnew に格納されている予測子に対する分類マージンを計算します。行列に含まれている標本データを使用して B 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。

Ynew は、数値ベクトル、文字行列、string 配列、文字ベクトルの cell 配列、categorical ベクトル、または logical ベクトルが可能です。mar はサイズが Nobs 行 NTrees 列の数値配列です。Nobs は TBLnew および Ynew の行数、NTrees はアンサンブル B 内の木の本数です。観測 I とツリー J の場合、mar(I,J) は、真のクラスのスコアと他のクラスの最大スコアの差です。このメソッドは、アンサンブル分類の場合にのみ使用できます。

mar = margin(B,TBLnew,Ynew,'param1',val1,'param2',val2,...) または mar = margin(B,Xnew,Ynew,'param1',val1,'param2',val2,...) では、オプション パラメーターの名前と値のペアを指定します。

'Mode'誤差の計算方法を示す文字ベクトルまたは string スカラー。'cumulative' (既定) に設定した場合、margin は累積誤差を計算します。mar は Nobs 行 NTrees 列の行列になり、1 番目の列は trees(1) の誤差を、2 番目の列は trees(1:2) の誤差を与え、trees(1:NTrees) まで他の列についても同様になります。'individual' に設定すると、mar は Nobs 行 NTrees 列の行列になります。ここで、各要素はアンサンブル内のそれぞれのツリーからの誤差です。'ensemble' に設定すると、mar はアンサンブル全体の累積マージンを示す長さ Nobs の単一列となります。
'Trees'この計算に含めるツリーを示すインデックスのベクトル。既定の設定では、この引数は 'all' に設定され、メソッドはすべてのツリーを使用します。'Trees' が数値ベクトルである場合、メソッドは 'cumulative' モードと 'individual' モードでは長さ NTrees のベクトルを返します。ここで、NTrees は入力ベクトルの要素数です。'ensemble' モードではスカラーを返します。たとえば、'cumulative' モードで、最初の要素は trees(1) からの誤差を出力し、2 番目の要素は trees(1:2) からの誤差を出力し、以下同様です。
'TreeWeights'ツリーの重みのベクトル。このベクトルは、'Trees' ベクトルと同じ長さでなければなりません。このメソッドは、簡単な重み付けされていない多数決の代わりに重み付けされた平均を取得することによって、これらの重みを使用して指定したツリーからの出力を結合します。'individual' モードでこの引数を使用することはできません。
'UseInstanceForTree'観測ごとの予測を行うために使用する必要があるツリーを示す、サイズ Nobs 行 NTrees 列の logical 行列。既定の設定では、このメソッドはすべての観測のすべてのツリーを使用します。

参考