"ContingencyTable" (機械学習メソッド)

詳細とサブオプション

  • 分割表は，可能な各結果についての確率値を保存することで，名義ベクトルの確率分布をモデル化する．
  • データが一次元のとき，分布はカテゴリ分布に対応する．
  • 次は，使用可能なオプションである．
  • "AdditiveSmoothing" Automatic各総数に追加する値
  • データが数値を含む場合，数値は離散化される．結果の分布は，それでも，もとの空間で有効な分布である．
  • Information[LearnedDistribution[…],"MethodOption"]を使って，自動システムで選択されたオプション値が抽出できる．
  • LearnDistribution[…,FeatureExtractor"Minimal"]を使ってほとんどの前処理を削除し，直接メソッドにアクセスすることができる．

例題

すべて開くすべて閉じる

例  (3)

分割表分布を名義的データ集合で訓練する：

分布の情報(Information)を見る：

オプションの情報を得る：

オプション値を直接得る：

値"A"と"B"の確率を計算する：

新たなサンプルを生成する：

分割表分布を数値のデータ集合で訓練する：

分布のInformationを見る：

新たな例について確率密度を計算する：

確率密度関数(PDF)を訓練データと一緒にプロットする：

新たなサンプルを生成し，可視化する：

分割表分布を二次元データ集合で訓練する：

PDFを訓練データと一緒にプロットする：

SynthesizeMissingValuesを使い，訓練済みの分布を使って欠落値を転嫁する：

オプション  (1)

"AdditiveSmoothing"  (1)

分割表分布を名義的データ集合で平滑化はせずに訓練する：

値"A"と"B"の確率を計算する：

各出力に1と10を加えた後で得られた確率と比較する：