BinEdges
|
Ребра интервала для числовых предикторов, заданных как массив ячеек p числовые векторы, где p является количеством предикторов. Каждый вектор включает ребра интервала для числового предиктора. Элемент в массиве ячеек для категориального предиктора пуст, потому что программное обеспечение не делает интервала категориальные предикторы. Числовые предикторы интервалов программного обеспечения, только если вы задаете аргумент пары "имя-значение" 'NumBins' как положительный целочисленный скаляр когда обучение модель с древовидными учениками. Свойство BinEdges пусто, если значение 'NumBins' пусто (значение по умолчанию). Можно воспроизвести сгруппированные данные о предикторе Xbinned при помощи свойства BinEdges обученной модели mdl . Xbinned содержит индексы интервала, в пределах от 1 к количеству интервалов, для числовых предикторов. значения Xbinned 0 для категориальных предикторов. Если X содержит NaN s, то соответствующими значениями Xbinned является NaN s.
|
CategoricalPredictors
|
Категориальные индексы предиктора, заданные как вектор положительных целых чисел. CategoricalPredictors содержит индексные значения, соответствующие столбцам данных о предикторе, которые содержат категориальные предикторы. Если ни один из предикторов не является категориальным, то это свойство пусто ([] ).
|
CategoricalSplit
|
n-by-2 массив ячеек, где n является количеством категориальных разделений в tree . Каждая строка в CategoricalSplits дает левые и правые значения для категориального разделения. Для каждого узла ответвления с категориальным разделением j на основе категориальной переменной прогноза z выбран покинутый дочерний элемент, если z находится в CategoricalSplits(j,1) , и правильный дочерний элемент выбран, если z находится в CategoricalSplits(j,2) . Разделения находятся в том же порядке как узлы дерева. Найдите узлы для этих разделений путем выбора сокращений 'categorical' сверху донизу в свойстве CutType .
|
Children
|
n-by-2 массив, содержащий количества дочерних узлов для каждого узла в tree , где n является количеством узлов. Вершины имеют дочерний узел 0 .
|
ClassCount
|
n-by-k массив класса значит узлы в tree , где n является количеством узлов, и k является количеством классов. Для любого номера узла i рассчитывает класс, ClassCount(i,:) количества наблюдений (от данных, используемых в подборе кривой дереву) от каждого класса, удовлетворяющего условия для узла i .
|
ClassNames
|
Список элементов в Y с удаленными копиями. ClassNames может быть категориальным массивом, массивом ячеек из символьных векторов, символьным массивом, логическим вектором или числовым вектором. ClassNames имеет совпадающий тип данных как данные в аргументе Y . (Программное обеспечение обрабатывает строковые массивы как массивы ячеек из символьных векторов.)
|
ClassProbability
|
n-by-k массив вероятностей класса для узлов в tree , где n является количеством узлов и k, является количеством классов. Для любого номера узла i , вероятности класса ClassProbability(i,:) предполагаемые вероятности для каждого класса для точки, удовлетворяющей условия для узла i .
|
Cost
|
Квадратная матрица, где Cost(i,j) является стоимостью классификации точки в класс j , если его истинным классом является i (строки соответствуют истинному классу и столбцам, соответствует предсказанному классу). Порядок строк и столбцов Cost соответствует порядку классов в ClassNames . Количество строк и столбцов в Cost является количеством уникальных классов в ответе. Это свойство доступно только для чтения.
|
CutCategories
|
n-by-2 массив ячеек категорий использовал при ответвлениях в tree , где n является количеством узлов. Для каждого узла ответвления i на основе категориальной переменной прогноза X выбран покинутый дочерний элемент, если X среди категорий, перечисленных в CutCategories{i,1} , и правильный дочерний элемент выбран, если X среди перечисленных в CutCategories{i,2} . Оба столбца CutCategories пусты для узлов ответвления на основе непрерывных предикторов и для вершин.
CutPoint содержит точки разделения для сокращений 'continuous' , и CutCategories содержит набор категорий.
|
CutPoint
|
n - вектор элемента значений, используемых в качестве точек разделения в tree , где n является количеством узлов. Для каждого узла ответвления i на основе непрерывной переменной прогноза X выбран покинутый дочерний элемент, если X<CutPoint(i) и правильный дочерний элемент выбраны если X>=CutPoint(i) . CutPoint является NaN для узлов ответвления на основе категориальных предикторов и для вершин.
CutPoint содержит точки разделения для сокращений 'continuous' , и CutCategories содержит набор категорий.
|
CutType
|
n - массив ячеек элемента, указывающий на тип сокращения в каждом узле в tree , где n является количеством узлов. Для каждого узла i CutType{i} :
'continuous' — Если сокращение задано в форме X < v для переменной X и точки разделения v .
категориальный Если сокращение задано тем, принимает ли переменная X значение в наборе категорий.
'' — Если i является вершиной.
CutPoint содержит точки разделения для сокращений 'continuous' , и CutCategories содержит набор категорий.
|
CutPredictor
|
n - массив ячеек элемента имен переменных использовал для ветвления в каждом узле в tree , где n является количеством узлов. Эти переменные иногда известны как переменные сокращения. Для вершин CutPredictor содержит пустой символьный вектор.
CutPoint содержит точки разделения для сокращений 'continuous' , и CutCategories содержит набор категорий.
|
ExpandedPredictorNames
|
Расширенные имена предиктора, сохраненные как массив ячеек из символьных векторов.
Если образцовое кодирование использования для категориальных переменных, то ExpandedPredictorNames включает имена, которые описывают расширенные переменные. В противном случае ExpandedPredictorNames совпадает с PredictorNames .
|
HyperparameterOptimizationResults
|
Описание оптимизации перекрестной проверки гиперпараметров, сохраненных как объект BayesianOptimization или таблица гиперпараметров и присваиваемых значений. Непустой, когда пара "имя-значение" OptimizeHyperparameters непуста при создании. Значение зависит от установки пары "имя-значение" HyperparameterOptimizationOptions при создании:
'bayesopt' (значение по умолчанию) — Объект класса BayesianOptimization
'gridsearch' или 'randomsearch' — Таблица гиперпараметров используемые, наблюдаемые значения целевой функции (потеря перекрестной проверки), и ранг наблюдений от самого низкого (лучше всего) к (худшему) самому высокому
|
IsBranchNode
|
n - элемент логический вектор, который является true для каждого узла ответвления и false для каждой вершины tree .
|
ModelParameters
|
Параметры используются в учебном tree . Чтобы отобразить все значения параметров, введите tree.ModelParameters . Чтобы получить доступ к конкретному параметру, используйте запись через точку.
|
NumObservations
|
Количество наблюдений в данных тренировки, числовом скаляре. NumObservations может быть меньше, чем количество строк входных данных X , когда существуют отсутствующие значения в X или ответе Y .
|
NodeClass
|
n - массив ячеек элемента с именами самых вероятных классов в каждом узле tree , где n является количеством узлов в дереве. Каждый элемент этого массива является вектором символов, равным одним из имен классов в ClassNames .
|
NodeError
|
n - вектор элемента ошибок узлов в tree , где n является количеством узлов. NodeError(i) является misclassification вероятностью для узла i .
|
NodeProbability
|
n - вектор элемента вероятностей узлов в tree , где n является количеством узлов. Вероятность узла вычисляется как пропорция наблюдений от исходных данных, которые удовлетворяют условия для узла. Эта пропорция настроена для любых априорных вероятностей, присвоенных каждому классу.
|
NodeRisk
|
n - вектор элемента риска узлов в дереве, где n является количеством узлов. Риск для каждого узла является мерой примеси (индекс Gini или отклонение) для этого узла, взвешенного вероятностью узла. Если дерево выращено twoing, риск для каждого узла является нулем.
|
NodeSize
|
n - вектор элемента размеров узлов в tree , где n является количеством узлов. Размер узла задан как количество наблюдений от данных, используемых, чтобы создать дерево, которые удовлетворяют условия для узла.
|
NumNodes
|
Количество узлов в tree .
|
Parent
|
n - вектор элемента, содержащий количество родительского узла для каждого узла в tree , где n является количеством узлов. Родительским элементом корневого узла является 0 .
|
PredictorNames
|
Массив ячеек из символьных векторов, содержащий имена предиктора, в порядке, который они появляются в X .
|
Prior
|
Числовой вектор априорных вероятностей для каждого класса. Порядок элементов Prior соответствует порядку классов в ClassNames . Число элементов Prior является количеством уникальных классов в ответе. Это свойство доступно только для чтения.
|
PruneAlpha
|
Числовой вектор с одним элементом на сокращение уровня. Если диапазоны уровня сокращения от 0 до M, то PruneAlpha имеет M + 1 элемент, отсортированный в порядке возрастания. PruneAlpha(1) для сокращения уровня 0 (никакое сокращение), PruneAlpha(2) для сокращения уровня 1 и так далее.
|
PruneList
|
n - элемент числовой вектор с уровнями сокращения в каждом узле tree , где n является количеством узлов. Уровни сокращения колеблются от 0 (никакое сокращение) к M, где M является расстоянием между самым глубоким листом и корневым узлом.
|
ResponseName
|
Вектор символов, который задает имя переменной отклика (Y ).
|
RowsUsed
|
n - элемент логический вектор, указывающий, какие строки исходных данных о предикторе (X ) использовались в подборе кривой. Если программное обеспечение использует все строки X , то RowsUsed является пустым массивом ([] ).
|
ScoreTransform
|
Указатель на функцию для преобразования предсказанных очков классификации или вектора символов, представляющего встроенную функцию преобразования.
none не означает преобразования или @(x)x .
Изменить функцию преобразования счета на, например, function , запись через точку использования.
Для доступных функций (см. fitctree ), войти Mdl.ScoreTransform = 'function'; Можно установить указатель на функцию для доступной функции или функции, которую вы задаете сами путем ввода tree.ScoreTransform = @function;
|
SurrogateCutCategories
|
n - массив ячеек элемента категорий использовал для суррогатных разделений в tree , где n является количеством узлов в tree . Для каждого узла k SurrogateCutCategories{k} является массивом ячеек. Длина SurrogateCutCategories{k} равна количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogateCutCategories{k} является или пустым символьным вектором для непрерывного суррогатного предиктора или является двухэлементным массивом ячеек с категориями для категориального суррогатного предиктора. Первый элемент этого двухэлементного массива ячеек перечисляет категории, присвоенные покинутому дочернему элементу этим суррогатным разделением, и второй элемент этого двухэлементного массива ячеек перечисляет категории, присвоенные правильному дочернему элементу этим суррогатным разделением. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неответвления (лист) узлы SurrogateCutCategories содержит пустую ячейку.
|
SurrogateCutFlip
|
n - массив ячеек элемента числовых присвоений сокращения использовал для суррогатных разделений в tree , где n является количеством узлов в tree . Для каждого узла k SurrogateCutFlip{k} является числовым вектором. Длина SurrogateCutFlip{k} равна количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogateCutFlip{k} является или нулем для категориального суррогатного предиктора или числовым присвоением сокращения для непрерывного суррогатного предиктора. Числовое присвоение сокращения может быть или –1 или +1. Для каждого суррогатного разделения с числовым сокращением C на основе непрерывной переменной прогноза Z выбран покинутый дочерний элемент, если Z <C и присвоение сокращения для этого суррогатного разделения +1, или если Z ≥C и присвоение сокращения для этого суррогатного разделения –1. Точно так же правильный дочерний элемент выбран, если Z ≥C и присвоение сокращения для этого суррогатного разделения +1, или если Z <C и присвоение сокращения для этого суррогатного разделения –1. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неответвления (лист) узлы SurrogateCutFlip содержит пустой массив.
|
SurrogateCutPoint
|
n - массив ячеек элемента числовых значений использовал для суррогатных разделений в tree , где n является количеством узлов в tree . Для каждого узла k SurrogateCutPoint{k} является числовым вектором. Длина SurrogateCutPoint{k} равна количеству суррогатных предикторов, найденных в этом узле. Каждым элементом SurrogateCutPoint{k} является или NaN для категориального суррогатного предиктора или числовое сокращение для непрерывного суррогатного предиктора. Для каждого суррогатного разделения с числовым сокращением C на основе непрерывной переменной прогноза Z выбран покинутый дочерний элемент, если Z <C и SurrogateCutFlip для этого суррогатного разделения +1, или если Z ≥C и SurrogateCutFlip для этого суррогатного разделения –1. Точно так же правильный дочерний элемент выбран, если Z ≥C и SurrogateCutFlip для этого суррогатного разделения +1, или если Z <C и SurrogateCutFlip для этого суррогатного разделения –1. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных, возвращенных SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неответвления (лист) узлы SurrogateCutPoint содержит пустую ячейку.
|
SurrogateCutType
|
n - типы указания массива ячеек элемента суррогатных разделений в каждом узле в tree , где n является количеством узлов в tree . Для каждого узла k SurrogateCutType{k} является массивом ячеек с типами суррогатных переменных разделения в этом узле. Переменные сортируются по прогнозирующей мере связи с оптимальным предиктором в порядке убывания, и только переменные с положительной прогнозирующей мерой включены. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неответвления (лист) узлы SurrogateCutType содержит пустую ячейку. Суррогатным типом разделения может быть или 'continuous' , если сокращение задано в форме Z <V для переменной Z и точки разделения V или 'categorical' , если сокращение задано тем, принимает ли Z значение в наборе категорий.
|
SurrogateCutPredictor
|
n - массив ячеек элемента имен переменных использовал для суррогатных разделений в каждом узле в tree , где n является количеством узлов в tree . Каждый элемент SurrogateCutPredictor является массивом ячеек с именами суррогатных переменных разделения в этом узле. Переменные сортируются по прогнозирующей мере связи с оптимальным предиктором в порядке убывания, и только переменные с положительной прогнозирующей мерой включены. Переменная оптимального разделения в этом узле не появляется. Для неответвления (лист) узлы SurrogateCutPredictor содержит пустую ячейку.
|
SurrogatePredictorAssociation
|
n - массив ячеек элемента прогнозирующих мер ассоциации для суррогатных разделений в tree , где n является количеством узлов в tree . Для каждого узла k SurrogatePredictorAssociation{k} является числовым вектором. Длина SurrogatePredictorAssociation{k} равна количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogatePredictorAssociation{k} дает прогнозирующую меру ассоциации между оптимальным разделением и этим суррогатным разделением. Порядок суррогатных переменных разделения в каждом узле является порядком переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неответвления (лист) узлы SurrogatePredictorAssociation содержит пустую ячейку.
|
W
|
Масштабированный weights , вектор с длиной n, количество строк в X .
|
X
|
Матрица или таблица значений предиктора. Каждый столбец X представляет одну переменную, и каждая строка представляет одно наблюдение.
|
Y
|
Категориальный массив, массив ячеек из символьных векторов, символьный массив, логический вектор или числовой вектор. Каждая строка Y представляет классификацию соответствующей строки X .
|