MATLAB：使用 fitctree 训练的分类器对新数据进行标签预测

Posted 2023-03-13

【中文标题】MATLAB：使用 fitctree 训练的分类器对新数据进行标签预测

【英文标题】：MATLAB: label prediction on new data using fitctree trained classifier

【发布时间】：2018-07-27 13:48:56

【问题描述】：

我在 MATLAB 2015b 中使用 fitctree 构建了一个简单的分类树。我现在想开始使用它对新数据（tabletest）进行预测。 'Predict' 给了我一个错误，我不确定如何在新数据上使用 kfoldPredict。

代码：

  predict(Mdl10feat,tabletest)

错误：

Undefined function 'predict' for input arguments of type
'clas-s-reg.learning.partition.ClassificationPartitionedModel'.

分类器：

Mdl10feat = 

  clas-s-reg.learning.partition.ClassificationPartitionedModel
    CrossValidatedModel: 'Tree'
         PredictorNames: 'fermin'  'MAJ'  'SOL'  'ECC'  'ORI'  'W'  'H'  'CIRC1'  'EQU'  'CONT'
           ResponseName: 'classROI'
        NumObservations: 376810
                  KFold: 10
              Partition: [1x1 cvpartition]
             ClassNames: 'Hit'  'Miss'
         ScoreTransform: 'none'

输入：

tabletest = 

    fermin     MAJ        SOL        ECC       ORI        W         H       CIRC1      EQU      CONT
    ______    ______    _______    _______    ______    ______    ______    ______    ______    ____

    29.748    46.342    0.98621    0.76677    87.506    27.307    43.691    1.0426    36.847    149 

我在这里做错了什么？

【参考方案1】：

fitctree 的文档，特别是 output argument tree，说明如下：

分类树，作为分类树对象返回。

使用'CrossVal'、'KFold'、'Holdout'、'Leaveout' 或'CVPartition' 选项会生成ClassificationPartitionedModel 类树。 您不能使用分区树进行预测，因此这种树没有predict 方法。相反，请使用 kfoldPredict 来预测未用于训练的观察的响应。

否则tree属于ClassificationTree类，你可以使用predict方法进行预测。

由于您的输出是ClassificationPartitionedModel 类型，因此您必须使用kfoldPredict 方法。

请注意我上面加粗的语句：分区树不能用于预测新数据。这是因为提供给fitctree 的数据集用于 训练和测试/验证。从上面的模型输出中可以看出，您使用的 'KFold' 值为 10。这意味着您的数据首先被划分为 10 个集合，然后每个集合都用作在其他 9 个模型上训练的模型的验证集。 kfoldPredict 方法为您提供分类结果。

如果你想使用所有数据来训练模型，然后在新数据上使用predict，你必须避免使用'CrossVal'、'KFold'、'Holdout'、'Leaveout'或@调用fitctree时的987654350@选项。

【讨论】：

2015b好像没有kfoldPredict，必须下载2017b。我看到了如何从训练数据中检查标签，但我真的不知道如何使用它来获取新数据的类标签。如何使用 kfoldPredict 获取“tabletest”示例的标签？