предсказать

Предскажите ансамбль использования ответов моделей регрессии

Синтаксис

Yfit = predict(Mdl,X)
Yfit = predict(Mdl,X,Name,Value)

Описание

Yfit = predict(Mdl,X) возвращает предсказанные ответы на данные о предикторе в таблице или матричном X, на основе модели Mdl ансамбля регрессии.

Yfit = predict(Mdl,X,Name,Value) дополнительные опции использования заданы одним или несколькими аргументами пары Name,Value.

Входные параметры

Mdl

Ансамбль регрессии, созданный fitrensemble, или методом compact.

X

Данные о предикторе раньше генерировали ответы, заданные как числовая матрица или таблица.

Каждая строка X соответствует одному наблюдению, и каждый столбец соответствует одной переменной.

  • Для числовой матрицы:

    • Переменные, составляющие столбцы X, должны иметь тот же порядок как переменные прогноза, которые обучили Mdl.

    • Если вы обучили Mdl с помощью таблицы (например, Tbl), то X может быть числовой матрицей, если Tbl содержит все числовые переменные прогноза. Чтобы обработать числовые предикторы в Tbl как категориальные во время обучения, идентифицируйте категориальные предикторы с помощью аргумента пары "имя-значение" CategoricalPredictors fitrensemble. Если Tbl содержит неоднородные переменные прогноза (например, типы числовых и категориальных данных), и X является числовой матрицей, то predict выдает ошибку.

  • Для таблицы:

    • predict не поддерживает многостолбцовые переменные и массивы ячеек кроме массивов ячеек из символьных векторов.

    • Если бы вы обучили Mdl с помощью таблицы (например, Tbl), то все переменные прогноза в X должны иметь те же имена переменных и типы данных как те, которые обучили Mdl (сохраненный в Mdl.PredictorNames). Однако порядок следования столбцов X не должен соответствовать порядку следования столбцов Tbl. Tbl и X могут содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict игнорирует их.

    • Если бы вы обучили Mdl с помощью числовой матрицы, то имена предиктора в Mdl.PredictorNames и соответствующие имена переменной прогноза в X должны быть тем же самым. Чтобы задать имена предиктора во время обучения, смотрите аргумент пары "имя-значение" PredictorNames fitrensemble. Все переменные прогноза в X должны быть числовыми векторами. X может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict игнорирует их.

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.

'Learners'

Индексы слабых учеников в ансамбле в пределах от 1 к NumTrained, где NumTrained является количеством слабых учеников.

Значение по умолчанию: 1:NumTrained

'UseObsForLearner'

Логическая матрица размера N-by-NumTrained, где N является количеством наблюдений в X и NumTrained, является количеством слабых учеников. Когда UseObsForLearner(I,J) является true, predict использует ученика J в предсказании наблюдения I.

Значение по умолчанию: true(N,NumTrained)

Выходные аргументы

Yfit

Числовой вектор-столбец с одинаковым числом строк как TBLdata или Xdata. Каждая строка Yfit дает предсказанный ответ на соответствующую строку TBLdata или Xdata, на основе модели регрессии ens.

Примеры

развернуть все

Найдите предсказанный пробег для автомобиля на основе ансамбля регрессии обученным на данных carsmall.

Загрузите набор данных carsmall и выберите количество цилиндров, объема двигателя, лошадиной силы и веса автомобиля как предикторы.

load carsmall
X = [Cylinders Displacement Horsepower Weight];

Обучите ансамбль деревьев регрессии и предскажите MPG для автомобиля с четырьмя цилиндрами, с 200 кубическими объемами двигателя дюйма, 150 лошадиных сил, веся 3 000 фунтов.

rens = fitrensemble(X,MPG);
Mileage = predict(rens,[4 200 150 3000])
Mileage = 25.6467

Расширенные возможности

Для просмотра документации необходимо авторизоваться на сайте