ClassificationDiscriminant类
超类:CompactClassificationDiscriminant
判别分析分类
描述
一个ClassificationDiscriminant
对象封装了一个判别分析分类器,这是一个为数据生成高斯混合模型。一个ClassificationDiscriminant
对象可以预测新数据使用的反应预测
方法。对象包含数据用于训练,所以可以计算resubstitution预测。
建设
返回一个基于输入变量的拟合判别分析模型(也称为预测、特性或属性)中包含的表Mdl
= fitcdiscr (资源描述
,ResponseVarName
)资源描述
和输出(响应或标签)包含在ResponseVarName
。
返回一个基于预测数据拟合判别分析模型和类标签表中Mdl
= fitcdiscr (资源描述
,公式
)资源描述
。公式
是一个解释性模型反应和预测变量的子集资源描述
适合使用Mdl
。
返回一个基于输入变量的拟合判别分析模型包含在表中Mdl
= fitcdiscr (资源描述
,Y
)资源描述
和响应Y
。
返回一个判别分析分类器根据输入变量Mdl
= fitcdiscr (X
,Y
)X
和响应Y
。
一个标识符符合附加选项指定一个或多个名称-值对参数,使用任何以前的语法。例如,您可以指定错误分类的成本,为每个类先验概率,或观察权重。Mdl
= fitcdiscr (___,名称,值
)
输入参数
属性
|
|
|
分类预测指标,这始终是空的( |
|
训练数据中的元素的列表 |
|
类之间的边界方程
在哪里 如果 |
|
方阵, 改变一个 |
|
δ值阈值线性判别模型,一个负的标量。如果一个系数
改变 |
|
行向量的长度等于预测的数量 如果 |
|
特征向量指定判别类型。之一:
改变 你可以改变线性类型之间,或二次类型之间,但不能改变之间的线性和二次类型。 |
|
伽马值正则化参数,一个标量
|
|
描述hyperparameters交叉验证优化的存储为一个
|
|
在类协方差矩阵的行列式的对数。的类型
|
|
负的标量,γ参数的最小值,以便相关矩阵是可逆的。如果相关矩阵不是单一的, |
|
在培训中使用的参数 |
|
类方法,指定为一个 |
|
在训练数据的观察,一个数字标量。 |
|
单元阵列为预测变量的名称,在他们的顺序出现在训练数据 |
|
每个类的先验概率数值向量。元素的顺序 添加或更改 |
|
特征向量描述变量的响应 |
|
函数处理转变分数,或字符向量代表一个内置的变换函数。 实现点符号添加或更改
|
|
在类的协方差矩阵或矩阵。尺寸取决于
|
|
按比例缩小的 |
|
矩阵的预测价值。每一列的 |
|
在哪里 |
|
一系列直言,单元阵列的特征向量,字符数组,逻辑向量,或一个数值向量具有相同的行数 |
方法
紧凑的 | 紧凑的判别分析分类器 |
crossval | 旨在判别分析分类器 |
cvshrink | 旨在线性判别的正规化 |
resubEdge | 分类边缘resubstitution |
resubLoss | 由resubstitution分类错误 |
resubMargin | 分类利润resubstitution |
resubPredict | 分类器的预测resubstitution响应 |
继承的方法
compareHoldout | 比较两种分类模型使用新数据的精度 |
边缘 | 分类的优势 |
logP | 为判别分析分类器日志无条件概率密度 |
损失 | 分类错误 |
泰姬陵 | 而距离类手段 |
保证金 | 分类的利润率 |
nLinearCoeffs | 数量的非零线性系数 |
预测 | 预测标签使用判别分析分类模型 |
复制语义
价值。学习如何价值类影响复制操作,明白了复制对象(MATLAB)。
例子
更多关于
引用
[1]郭,Y。,T。Hastie, and R. Tibshirani. Regularized linear discriminant analysis and its application in microarrays. Biostatistics, Vol. 8, No. 1, pp. 86–100, 2007.