edge является значением взвешенного среднего поля классификации. Веса являются вероятностями класса в ens.Prior.

Классификация margin является различием между классификацией score для истинного класса и максимальным счетом классификации к ложным классам. Поле является вектор-столбцом с одинаковым числом строк как в матричном ens.X.

Bagging, который обозначает “агрегацию начальной загрузки”, является типом приобретения знаний ансамблем. Увольнять слабого ученика, такого как дерево решений на наборе данных, fitcensemble генерирует много копий начальной загрузки набора данных и выращивает деревья решений на этих копиях. fitcensemble получает каждую копию начальной загрузки путем случайного выбора N наблюдения из N с заменой, где N размер набора данных. Найти предсказанный ответ обученного ансамбля, predict возьмите среднее значение по прогнозам от отдельных деревьев.

Рисование N из N наблюдения с заменой не используют в среднем 37% (1/e) наблюдений для каждого дерева решений. Это наблюдения "из сумки". Для каждого наблюдения, oobLoss оценивает прогноз из сумки путем усреднения по прогнозам от всех деревьев в ансамбле, для которого это наблюдение вне сумки. Это затем сравнивает вычисленный прогноз с истинным ответом для этого наблюдения. Это вычисляет ошибку из сумки путем сравнения предсказанных ответов из сумки с истинными ответами для всех наблюдений, используемых в обучении. Это среднее значение из сумки является несмещенным средством оценки истинной ошибки ансамбля.