surrogateAssociation

Следует иметь в виду прогнозирующую меру ассоциации для суррогатных разделений в дереве решений

Синтаксис

ma = surrogateAssociation(tree)
ma = surrogateAssociation(tree,N)

Описание

ma = surrogateAssociation(tree) возвращает матрицу прогнозирующих мер ассоциации для предикторов в tree.

ma = surrogateAssociation(tree,N) возвращает матрицу прогнозирующих мер ассоциации, усредненной по узлам в векторном N.

Входные параметры

tree

Дерево регрессии, созданное с fitrtree или компактным деревом регрессии, создается с compact.

N

Вектор чисел узла в tree.

Выходные аргументы

ma

  • ma = surrogateAssociation(tree) возвращает P-by-P матрица, где P является количеством предикторов в tree. ma(i,j) является прогнозирующей мерой ассоциации между оптимальным разделением на переменной i и суррогатным разделением на переменной j. Для получения дополнительной информации см. Алгоритмы.

  • ma = surrogateAssociation(tree,N) возвращает P-by-P представление прогнозирующей меры ассоциации между переменными, усредненными по узлам в векторном N. N содержит числа узла от 1 до max(tree.NumNodes).

Примеры

развернуть все

Загрузите набор данных carsmall. Задайте Displacement, Horsepower и Weight как переменные прогноза.

load carsmall
X = [Displacement Horsepower Weight];

Вырастите дерево регрессии использование MPG как ответ. Задайте, чтобы использовать суррогатные разделения для отсутствующих значений.

tree = fitrtree(X,MPG,'surrogate','on');

Найдите среднюю прогнозирующую меру ассоциации между переменными прогноза.

ma = surrogateAssociation(tree)
ma = 3×3

    1.0000    0.2167    0.5083
    0.4521    1.0000    0.3769
    0.2540    0.2659    1.0000

Найдите среднюю прогнозирующую меру ассоциации усредненной по нечетным узлам в tree.

N = 1:2:tree.NumNodes;
ma = surrogateAssociation(tree,N)
ma = 3×3

    1.0000    0.1250    0.6875
    0.5632    1.0000    0.5861
    0.3333    0.3148    1.0000

Больше о

развернуть все

Алгоритмы

ma(i,j) элемента является прогнозирующей мерой ассоциации, усредненной по суррогатным разделениям на предикторе j, для которого предиктора i является оптимальным предиктором разделения. Это среднее значение вычисляется путем подведения итогов положительных значений прогнозирующей меры ассоциации по оптимальным разделениям на предикторе i и суррогатные разделения на предикторе j и деления на общее количество оптимальных разделений на предикторе i, включая разделения, для которых прогнозирующая мера ассоциации между предикторами i и j отрицательны.

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте