резюме

Возобновите учебных учеников на сгибах перекрестной проверки

Синтаксис

ens1 = resume(ens,nlearn) ens1 = resume(ens,nlearn,Name,Value)

Описание

ens1 = resume(ens,nlearn) train ens в каждом сгибе для nlearn больше циклов. resume использует те же опции обучения, fitcensemble раньше создавал ens.

ens1 = resume(ens,nlearn,Name,Value) train ens с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value.

Входные параметры

ens

Перекрестный подтвержденный ансамбль классификации. ens является результатом также:

Функция fitcensemble с парой "имя-значение" перекрестной проверки. Именами является 'crossval', 'kfold', 'holdout', 'leaveout' или 'cvpartition'.
Метод crossval применился к ансамблю классификации.

nlearn

Положительное целое число, количество циклов для дополнительного обучения ens.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

'nprint'

Частота распечатки, положительный целочисленный скаляр или 'off' (никакие распечатки). Возвращает в командную строку количество слабых учеников, обученных до сих пор. Полезный, когда вы обучаете ансамбли со многими учениками на больших наборах данных.

Значение по умолчанию: 'off'

Выходные аргументы

ens1

Перекрестный подтвержденный ансамбль классификации ens, увеличенный с дополнительным обучением.

Примеры

развернуть все

Обучите разделенный ансамбль классификации большему количеству циклов

Скрипт Open Live Script

Обучите разделенный ансамбль классификации 10 циклам и сравните потерю классификации, полученную после обучения ансамбль для большего количества циклов.

Загрузите набор данных ionosphere.

load ionosphere

Обучите разделенный ансамбль классификации 10 циклам и исследуйте ошибку.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
cvens = fitcensemble(X,Y,'Method','GentleBoost','NumLearningCycles',10,'Learners',t,'crossval','on');
rng(10,'twister') % For reproducibility
L = kfoldLoss(cvens)

L = 0.0940

Обучайтесь для еще 10 циклов и исследуйте новую ошибку.

cvens = resume(cvens,10);
L = kfoldLoss(cvens)

L = 0.0712

Ошибка перекрестной проверки ниже в ансамбле после обучения еще 10 циклам.

Документация