ClassifierFunction

ClassifierFunction[…]

表示由 Classify 生成的函数，用于将数据归类.

更多信息和选项

  • ClassifierFunction 与 Function 的用法相似.
  • ClassifierFunction[…][data] 尝试对 data 进行分类，并返回 data 最有可能所在的类.
  • ClassifierFunction[…][{data1,data2,…}] 尝试对所有 datai 进行分类.
  • ClassifierFunction[…][data,prop] 给出与 data 相关分类的指定属性.
  • 适用于所有方法的可能属性包括：
  • "Decision"基于概率和效用函数最佳类
    "TopProbabilities"最可能类的概率
    "TopProbabilities"nn 个最可能类的概率
    "Probability"class指定类的概率
    "Probabilities"所有可能类的概率的关联
    "SHAPValues"每个样例的 Shapley 加性特征说明
    "Properties"所有可用属性的列表
  • "SHAPValues" 通过比较将不同的特征集合删除，然后合成所得到的预测来评估特征的贡献. 选项 MissingValueSynthesis 可用于指定如何合成缺失的特征. SHAP 解释是以相对于 class training prior 的优势比乘数 (odds ratio multiplier) 给出的. 可通过 "SHAPValues"n 控制用于对 SHAP 解释进行数值估计的样本的数量.
  • ClassifierFunction[…][data,…,opts] 指定分类器在应用于 data 时，应该使用的选项 opts.
  • 可能的选项包括：
  • ClassPriors Automatic类的显式先验概率
    IndeterminateThreshold Automatic低于什么概率返回 Indeterminate
    MissingValueSynthesisAutomatic怎样合成缺失值
    PerformanceGoalAutomatic优化的性能方面
    TargetDevice "CPU"执行培训的目标设备
    RecalibrationFunction Automatic如何对类别概率进行后处理
    UtilityFunction Automatic作为实际和预测类的函数表示的效用值
  • 可以将在Wolfram 语言的旧版本中训练过的 ClassifierFunction[…] 用在当前版本中.
  • Classify[net] 可用来把表示分类器的 NetChain 或 NetGraph 转换成 ClassifierFunction[…].
  • Classify[ClassifierFunction[…],opts] 可用于更新分类器的 PerformanceGoal、ClassPriors、IndeterminateThreshold、UtilityFunction 或 FeatureExtractor 的值.
  • 在 Classify[ClassifierFunction[…],FeatureExtractorfe] 中，FeatureExtractorFunction[…] fe 会前置在已有的特征提取器中.
  • Information[ClassifierFunction[…]] 生成关于分类器及其预计性能的信息面板.
  • Information[ClassifierFunction[…],prop] 可用于获取特定属性.
  • ClassifierFunction 的 Information 可包括以下属性：
  • "Accuracy"估计的分类器的准确率
    "BatchEvaluationTime"给定一批数据后预测一个样例的边际时间
    "Classes"分类器可返回的类别的列表
    "ClassNumber"分类器可返回的类别的数量
    "EvaluationTime"对一个样例进行分类所需的时间
    "ExampleNumber"训练样例的数量
    "FeatureTypes"分类器输入的特征类型
    "FunctionMemory"存储分类器所需的内存
    "FunctionProperties"该分类器所有可用的分类属性
    "IndeterminateThreshold"分类器使用的 IndeterminateThreshold 值
    "LearningCurve"作为训练集大小的函数的性能
    "MaxTrainingMemory"训练期间使用的最大内存
    "MeanCrossEntropy"估计的分类器的平均交叉熵
    "Method"分类器使用的 Method 的值
    "MethodDescription"方法摘要
    "MethodOption"在新的训练中重复使用的完整方法选项
    "MethodParameters"方法的参数设置
    "Properties"此分类器所有可用的信息属性
    "FeatureExtractor"作为 FeatureExtractorFunction 的特征提取器
    "TrainingTime"Classify 生成分类器所用的时间
    "TrainingClassPriors"训练过程中类别的分布
    "UtilityFunction"分类器使用的 UtilityFunction 的值
  • Information 属性也包括所有的方法子选项.

范例

打开所有单元关闭所有单元

基本范例  (2)

创建具有 Classify 的 ClassifierFunction 和一个带标记的范例的列表：

用 ClassifierFunction 来给未标记的范例归类：

给多个范例归类：

给定范例的特征，返回类别的概率：

返回经排序的的最可能类的概率：

返回最可能类的概率：

返回给定类的概率：

绘制类 "B" 作为特征函数的概率：

使用多个特征生成 ClassifierFunction：

使用新范例的函数：

给具有缺失特征的范例归类：

获得最可能类的概率：

范围  (5)

创建给文本数据分类的函数：

给新的范例分类：

从函数获取信息：

获取可被该函数使用的属性：

训练分类器函数：

对于应用于测试集合的函数，生成分类器度量对象：

获取测试集合上函数的准确度：

可视化含混矩阵：

生成一个分类器函数，其输入是一个关联：

对一个范例使用该函数：

给含有缺失特征的范例分类：

训练一个分类器：

使用 "WMLF" 格式将 ClassifierFunction[…] 存储到文件中：

用 Import 从文件中获取分类器:

对新数据应用该分类器：

训练分类器来预测一个人在泰坦尼克号沉没事件中生还或死亡的几率：

计算乘客死亡的先验几率：

用分类器预测人员死亡的概率：

获取每个特征如何倍增模型预测的类别几率的解释：

将模型对特征影响的解释与基本概率进行比较：

选项  (6)

ClassPriors  (1)

训练不平衡数据集上的分类器：

范例 5False 被归类为 True：

在类别上用均匀先验对该范例进行分类：

先于分类器的类也可以在培训后被更新：

IndeterminateThreshold  (1)

训练分类器：

获取范例的类概率：

选取最可能类作为预测：

如果类概率全部都不超过指定的概率阈值，则不作出预测：

永久更新阈值：

RecalibrationFunction  (2)

训练一个分类函数：

计算新样例的类别概率：

检查模型是否已校准：

临时设置重新校准函数，将其应用于概率：

设置永久重新校准函数，将其应用于概率：

计算新样例的类别概率：

将重新校准函数从分类器中移除：

加载泰坦尼克数据集：

创建一个没有校准函数的最近邻分类器：

分类器有点过于自信：

选择测试集中最坏的分类情况：

计算估计的概率：

用 "temperature scaling" 来降低分类器的自信：

TargetDevice  (1)

使用神经网络培训分类器：

在系统默认的 GPU 上计算由此得出的分类器并查看它的 AbsoluteTiming：

比较使用默认 GPU 计算的时间和之前的时间：

UtilityFunction  (1)

训练分类器：

默认情况下，预测最有可能的类：

指定一个效用函数，对把类别为 "yes" 但错误归类为 "no" 的范例进行惩罚：

永久更新实用函数的值：

Wolfram Research (2014)，ClassifierFunction，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ClassifierFunction.html （更新于 2021 年）.

文本

Wolfram Research (2014)，ClassifierFunction，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ClassifierFunction.html （更新于 2021 年）.

CMS

Wolfram 语言. 2014. "ClassifierFunction." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2021. https://reference.wolfram.com/language/ref/ClassifierFunction.html.

APA

Wolfram 语言. (2014). ClassifierFunction. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ClassifierFunction.html 年

BibTeX

@misc{reference.wolfram_2024_classifierfunction, author="Wolfram Research", title="{ClassifierFunction}", year="2021", howpublished="\url{https://reference.wolfram.com/language/ref/ClassifierFunction.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_classifierfunction, organization={Wolfram Research}, title={ClassifierFunction}, year={2021}, url={https://reference.wolfram.com/language/ref/ClassifierFunction.html}, note=[Accessed: 21-November-2024 ]}