Обучите ансамбль классификации

Этот пример показывает, как создать ансамбль дерева классификации для набора данных ionosphere и использовать его, чтобы предсказать, что классификация радара возвращается со средними измерениями.

Загрузите набор данных ionosphere.

load ionosphere

Обучите ансамбль классификации. Для бинарных проблем классификации fitcensemble агрегировал 100 использований деревьев классификации LogitBoost.

Mdl = fitcensemble(X,Y)
Mdl = 
  classreg.learning.classif.ClassificationEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
               NumTrained: 100
                   Method: 'LogitBoost'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}


  Properties, Methods

Mdl является моделью ClassificationEnsemble.

Постройте график первого обученного дерева классификации в ансамбле.

view(Mdl.Trained{1}.CompactRegressionLearner,'Mode','graph');

По умолчанию fitcensemble выращивает мелкие деревья для повышения алгоритмов. Можно изменить древовидную глубину путем передачи древовидного объекта шаблона fitcensemble. Для получения дополнительной информации смотрите templateTree.

Предскажите, что качество радара возвращается со средними измерениями предиктора.

label = predict(Mdl,mean(X))
label = 1x1 cell array
    {'g'}

Смотрите также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте