CompactRegressionEnsemble

Пакет: classreg.learning.regr

Компактный класс ансамбля регрессии

расширьте все на странице

Описание

Компактная версия ансамбля регрессии (класса RegressionEnsemble). Компактная версия не включает данные для обучения ансамбль регрессии. Поэтому вы не можете выполнить некоторые задачи с компактным ансамблем регрессии, такие как перекрестная проверка. Используйте компактный ансамбль регрессии в том, что он сделал прогнозы (регрессии) новых данных.

Конструкция

ens = compact(fullEns) создает компактный ансамбль решения из полного ансамбля решения.

Входные параметры

fullEns

Ансамбль регрессии создается fitrensemble.

Свойства

CategoricalPredictors

Категориальные индексы предиктора, заданные как вектор положительных целых чисел. CategoricalPredictors содержит значения индекса, соответствующие столбцам данных о предикторе, которые содержат категориальные предикторы. Если ни один из предикторов не является категориальным, то это свойство пусто ([]).

CombineWeights

Вектор символов, описывающий, как ансамбль комбинирует прогнозы ученика.

ExpandedPredictorNames

Расширенные имена предиктора, сохраненные как массив ячеек из символьных векторов.

Если кодирование использования модели для категориальных переменных, то ExpandedPredictorNames включает имена, которые описывают расширенные переменные. В противном случае, ExpandedPredictorNames совпадает с PredictorNames.

NumTrained

Количество обученных учеников в ансамбле, положительной скалярной величине.

PredictorNames

Массив ячеек имен для переменных предикторов, в порядке, в котором они появляются в X.

ResponseName

Вектор символов с именем переменной отклика Y.

ResponseTransform

Указатель на функцию для преобразования баллов или вектора символов, представляющего встроенную функцию преобразования. 'none' средние значения никакое преобразование; эквивалентно, 'none' средние значения @(x)x.

Добавьте или измените ResponseTransform функция с помощью записи через точку:

ens.ResponseTransform = @function

Trained

Обученные ученики, массив ячеек компактных моделей регрессии.

TrainedWeights

Числовой вектор весов ансамбль присваивает своим ученикам. Ансамбль вычисляет предсказанный ответ путем агрегации взвешенных прогнозов от его учеников.

Методы

потеряОшибка регрессии
предсказатьПредскажите ансамбль использования ответов моделей регрессии
predictorImportanceОценки важности предиктора для ансамбля регрессии
removeLearnersУдалите членов компактного ансамбля регрессии

Копировать семантику

Значение. Чтобы изучить, как классы значения влияют на операции копии, смотрите Копирование Объектов (MATLAB).

Примеры

свернуть все

Скрипт Open Live Script

Создайте компактный ансамбль регрессии для того, чтобы эффективно сделать прогнозы на новых данных.

Загрузите carsmall набор данных. Рассмотрите модель, которая объясняет экономию топлива автомобиля (MPG) использование его веса (Weight) и количество цилиндров (Cylinders). 

load carsmall
X = [Weight Cylinders];
Y = MPG;

Обучите повышенный ансамбль 100 деревьев регрессии с помощью LSBoost. Задайте тот Cylinders категориальная переменная.

Mdl = fitrensemble(X,Y,'PredictorNames',{'W','C'},...
    'CategoricalPredictors',2)
Mdl = 
  classreg.learning.regr.RegressionEnsemble
           PredictorNames: {'W'  'C'}
             ResponseName: 'Y'
    CategoricalPredictors: 2
        ResponseTransform: 'none'
          NumObservations: 94
               NumTrained: 100
                   Method: 'LSBoost'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}
           Regularization: []


  Properties, Methods

Mdl RegressionEnsemble объект модели, который содержит обучающие данные, среди прочего.

Создайте компактную версию Mdl.

CMdl = compact(Mdl)
CMdl = 
  classreg.learning.regr.CompactRegressionEnsemble
           PredictorNames: {'W'  'C'}
             ResponseName: 'Y'
    CategoricalPredictors: 2
        ResponseTransform: 'none'
               NumTrained: 100


  Properties, Methods

CMdl CompactRegressionEnsemble объект модели. CMdl почти то же самое как Mdl. Одним исключением является тот CMdl не хранит обучающие данные.

Сравните суммы места, занимавшего Mdl и CMdl.

mdlInfo = whos('Mdl');
cMdlInfo = whos('CMdl');
[mdlInfo.bytes cMdlInfo.bytes]
ans = 1×2

      509417      484212

Mdl занимает больше места, чем CMdl.

CMdl.Trained хранит обученные деревья регрессии (CompactRegresionTree объекты модели), которые составляют Mdl.

Отобразите график первого дерева в компактном ансамбле.

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

По умолчанию, fitrensemble выращивает мелкие деревья для повышенных ансамблей деревьев.

Предскажите экономию топлива типичного автомобиля с помощью компактного ансамбля.

typicalX = [mean(X(:,1)) mode(X(:,2))];
predMeanX = predict(CMdl,typicalX)
predMeanX = 26.2520

Советы

Для компактного ансамбля деревьев регрессии, Trained свойство ens хранит вектор ячейки ens.NumTrained CompactRegressionTree объекты модели. Для текстового или графического дисплея древовидного t в векторе ячейки войти

view(ens.Trained{t})

Расширенные возможности

Смотрите также

| | | | | |

Введенный в R2011a

Документация Statistics and Machine Learning Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте