resubPredict

Предскажите ответ ансамбля перезаменой

Синтаксис

Yfit = resubPredict(ens) Yfit = resubPredict(ens,Name,Value)

Описание

Yfit = resubPredict(ens) возвращает ответ, ens предсказывает для данных ens.X. Yfit является прогнозами ens на данных, что fitrensemble раньше создавал ens.

Yfit = resubPredict(ens,Name,Value) предсказывает ответы с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value.

Входные параметры

ens

Ансамбль регрессии создается с fitrensemble.

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. oobLoss использует только этих учеников для вычисления потери.

Значение по умолчанию: 1:NumTrained

Выходные аргументы

Yfit

Вектор предсказанных ответов на данные тренировки, с ens элементы .X.

Примеры

развернуть все

Найдите среднеквадратическую ошибку прогнозов перезамены

Скрипт Open Live Script

Найдите прогнозы перезамены пробега от данных carsmall и посмотрите на их среднеквадратическое различие от данных тренировки.

Загрузите набор данных carsmall и выберите лошадиную силу и вес автомобиля как предикторы.

load carsmall
X = [Horsepower Weight];

Обучите ансамбль деревьев регрессии.

ens = fitrensemble(X,MPG,'Method','LSBoost','Learners','Tree');

Найдите прогнозы перезамены MPG.

Yfit = resubPredict(ens);

Вычислите среднеквадратическое различие прогнозов перезамены от данных тренировки.

MSE = mean((Yfit - ens.Y).^2)

MSE = 0.5836

Подтвердите, что результат совпадает с результатом resubLoss.

resubLoss(ens)

ans = 0.5836

Документация