Пакет: classreg.learning.classif
Суперклассы: ClassificationEnsemble
Ансамбль классификации, выращенный путем передискретизации
ClassificationBaggedEnsemble комбинирует набор обученных слабых моделей ученика и данных, на которых были обучены эти ученики. Это может предсказать ответ ансамбля для новых данных путем агрегации прогнозов от его слабых учеников.
Создайте сложенный в мешок объект ансамбля классификации использование fitcensemble. Установите аргумент пары "имя-значение" 'Method' fitcensemble к 'Bag' использовать агрегацию начальной загрузки (укладывание в мешки, например, случайный лес).
|
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" Можно воспроизвести сгруппированные данные о предикторе X = mdl.X; % Predictor data
Xbinned = zeros(size(X));
edges = mdl.BinEdges;
% Find indices of binned predictors.
idxNumeric = find(~cellfun(@isempty,edges));
if iscolumn(idxNumeric)
idxNumeric = idxNumeric';
end
for j = idxNumeric
x = X(:,j);
% Convert x to array if x is a table.
if istable(x)
x = table2array(x);
end
% Group x into bins by using the 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.
|
|
Категориальные индексы предиктора, заданные как вектор положительных целых чисел. |
|
Список элементов в |
|
Вектор символов, описывающий, как |
|
Расширенные имена предиктора, сохраненные как массив ячеек из символьных векторов. Если образцовое кодирование использования для категориальных переменных, то |
|
Числовой массив подходящей информации. Свойство |
|
Вектор символов, описывающий значение массива |
|
Числовой скаляр между |
|
Описание оптимизации перекрестной проверки гиперпараметров, сохраненных как объект
|
|
Вектор символов, описывающий метод, который создает |
|
Параметры используются в учебном |
|
Количество обученных слабых учеников в |
|
Массив ячеек имен для переменных прогноза, в порядке, в котором они появляются в |
|
Вектор символов, описывающий причину |
|
Логическое значение, указывающее, был ли ансамбль обучен с заменой ( |
|
Вектор символов с именем переменной отклика |
|
Указатель на функцию для преобразования очков или вектора символов, представляющего встроенную функцию преобразования. Добавьте или измените функцию ens.ScoreTransform = 'function' или ens.ScoreTransform = @function |
|
Обученные ученики, массив ячеек компактных моделей классификации. |
|
Числовой вектор обученных весов для слабых учеников в |
|
Логическая матрица размера |
|
Масштабированный |
|
Матрица или таблица значений предиктора, которые обучили ансамбль. Каждый столбец |
|
Категориальный массив, массив ячеек из символьных векторов, символьный массив, логический вектор или числовой вектор с одинаковым числом строк как |
| oobEdge | Ребро классификации из сумки |
| oobLoss | Ошибка классификации из сумки |
| oobMargin | Поля классификации из сумки |
| oobPermutedPredictorImportance | Важность предиктора оценивает перестановкой наблюдений предиктора из сумки для случайного леса деревьев классификации |
| oobPredict | Предскажите ответ из сумки ансамбля |
| компактный | Компактный ансамбль классификации |
| crossval | Крест подтверждает ансамбль |
| resubEdge | Ребро классификации перезаменой |
| resubLoss | Ошибка классификации перезаменой |
| resubMargin | Поля классификации перезаменой |
| resubPredict | Классифицируйте наблюдения на ансамбль моделей классификации |
| резюме | Возобновите учебный ансамбль |
| ребро | Ребро классификации |
| потеря | Ошибка классификации |
| поле | Поля классификации |
| предсказать | Классифицируйте ансамбль использования наблюдений моделей классификации |
| predictorImportance | Оценки важности предиктора |
| removeLearners | Удалите членов компактного ансамбля классификации |
Значение. Чтобы изучить, как классы значения влияют на операции копии, смотрите Копирование Объектов (MATLAB).
Загрузите набор данных ionosphere.
load ionosphereМожно обучить уволенный ансамбль 100 деревьев классификации с помощью всех измерений.
Mdl = fitcensemble(X,Y,'Method','Bag')
fitcensemble использует объект templateTree() дерева шаблона по умолчанию в качестве слабого ученика, когда 'Method' является 'Bag'. В этом примере, для воспроизводимости, задают 'Reproducible',true, когда вы создаете древовидный объект шаблона, и затем используете объект в качестве слабого ученика.
rng('default') % For reproducibility t = templateTree('Reproducible',true); % For reproducibiliy of random predictor selections Mdl = fitcensemble(X,Y,'Method','Bag','Learners',t)
Mdl =
classreg.learning.classif.ClassificationBaggedEnsemble
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: {'b' 'g'}
ScoreTransform: 'none'
NumObservations: 351
NumTrained: 100
Method: 'Bag'
LearnerNames: {'Tree'}
ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
FitInfo: []
FitInfoDescription: 'None'
FResample: 1
Replace: 1
UseObsForLearner: [351x100 logical]
Properties, Methods
Mdl является объектом модели ClassificationBaggedEnsemble.
Mdl.Trained является свойством, которое хранит 100 1 вектор ячейки обученных деревьев классификации (объекты модели CompactClassificationTree), которые составляют ансамбль.
Постройте график первого обученного дерева классификации.
view(Mdl.Trained{1},'Mode','graph')
По умолчанию fitcensemble выращивает глубокие деревья решений для уволенных ансамблей.
Оцените misclassification уровень в выборке.
L = resubLoss(Mdl)
L = 0
L 0, который указывает, что Mdl совершенен при классификации данных тренировки.
Для уволенного ансамбля деревьев классификации свойство Trained ens хранит вектор ячейки ens.NumTrained
объекты модели CompactClassificationTree. Для текстового или графического дисплея древовидного t в векторе ячейки войти
view(ens.Trained{t})ClassificationEnsemble | compareHoldout | fitcensemble | fitctree | view