ClassificationPartitionedKernel
交差検証済みのバイナリ カーネル分類モデル
説明
ClassificationPartitionedKernel
は、交差検証分割に対して学習をさせたバイナリ カーネル分類モデルです。分類の品質や、カーネル分類モデルがどの程度一般化を行うかは、"kfold" 関数 kfoldPredict
、kfoldLoss
、kfoldMargin
、kfoldEdge
を 1 つ以上使用して評価できます。
すべての "kfold" メソッドでは、学習分割 (分割内) 観測値で学習をさせたモデルを使用して、検証分割 (分割外) 観測値に対する応答を予測します。たとえば、データを 5 つに分割して交差検証を行うとします。この場合、ほぼ等しいサイズの 5 つのグループに各観測値が無作為に割り当てられます。"学習分割" にはグループのうち 4 つ (データの約 4/5) が含まれ、"検証分割" には残りのグループ (データの約 1/5) が含まれます。この場合、交差検証は次のように処理されます。
(
CVMdl.Trained{1}
に格納されている) 1 番目のモデルの学習には最後の 4 つのグループの観測値が使用され、1 番目のグループの観測値は検証用に確保されます。(
CVMdl.Trained{2}
に格納されている) 2 番目のモデルの学習には、1 番目のグループと最後の 3 つのグループの観測値が使用されます。2 番目のグループの観測値は、検証用に予約されます。3 番目、4 番目および 5 番目のモデルに対しても同様に続けられます。
kfoldPredict
を使用して検証する場合、i 番目のモデルを使用してグループ i の観測値について予測が計算されます。つまり、それぞれの観測値に対する応答は、その観測値を使用せずに学習させたモデルによって推定されます。
メモ
ClassificationPartitionedKernel
モデル オブジェクトに予測子データ セットは格納されません。
作成
ClassificationPartitionedKernel
モデルは、fitckernel
を使用し、名前と値のペアの引数 'Crossval'
、'CVPartition'
、'Holdout'
、'KFold'
、'Leaveout'
のいずれかを指定して、分類カーネル モデルに学習をさせることにより作成できます。
プロパティ
オブジェクト関数
kfoldEdge | 交差検証済みカーネル分類モデルの分類エッジ |
kfoldLoss | 交差検証済みカーネル分類モデルの分類損失 |
kfoldMargin | 交差検証済みカーネル分類モデルの分類マージン |
kfoldPredict | 交差検証済みカーネル分類モデルの観測値の分類 |