"ContingencyTable" （机器学习方法）

详细信息与子选项

  • 列联表格通过为每个可能的输出存储概率值模拟标称向量空间的概率分布.
  • 如果数据是一维的，分布对应于分类分布.
  • 可以给出以下选项：
  • "AdditiveSmoothing" Automatic添加到每个计数的值
  • 如果数据包含数值值，它们是离散的. 结果分布在原始空间中仍然是有效的分布.
  • Information[LearnedDistribution[…],"MethodOption"] 可用于提取由自动系统选择的选项值.
  • LearnDistribution[…,FeatureExtractor"Minimal"] 可用于去除大部分预处理并直接访问方法.

范例

打开所有单元关闭所有单元

基本范例  (3)

在标称数据集上培训列联表格分布：

查询分布 Information：

获取选项信息：

直接获取选项值：

计算值 "A" 和 "B" 的概率：

产生新的样本：

在数值数据集上培训列联表的分布：

查询分布 Information：

计算新范例的概率密度：

绘制 PDF 和培训数据：

产生并可视化新的例子：

在二维数据集上培训列联表分布：

绘制 PDF 和培训数据：

使用 SynthesizeMissingValues 估算使用学习分布的缺失值：

选项  (1)

"AdditiveSmoothing"  (1)

在标称数据集上没有任何平滑培训列联表分布：

计算值 "A" 和 "B" 的概率：

比较在每个结果添加 1 和 10 计数后获得的概率：