Exponenta Banner

predict

Предскажите ансамбль использования ответов моделей регрессии

расширьте все на странице

Синтаксис

Yfit = predict(Mdl,X)
Yfit = predict(Mdl,X,Name,Value)

Описание

Yfit = predict(Mdl,X) возвращает предсказанные ответы на данные о предикторе в таблице или матричном X, на основе модели Mdl ансамбля регрессии.

Yfit = predict(Mdl,X,Name,Value) дополнительные опции использования заданы одним или несколькими Name,Value парные аргументы.

Входные параметры

Mdl

Ансамбль регрессии создается fitrensemble, или compact метод.

X

Данные о предикторе раньше генерировали ответы, заданные как числовая матрица или таблица.

Каждая строка X соответствует одному наблюдению, и каждый столбец соответствует одной переменной.

  • Для числовой матрицы:

    • Переменные, составляющие столбцы X должен иметь тот же порядок как переменные предикторы, которые обучили Mdl.

    • Если вы обучили Mdl с помощью таблицы (например, Tbl), затем X может быть числовая матрица если Tbl содержит все числовые переменные предикторы. Обрабатывать числовые предикторы в Tbl как категориальные во время обучения, идентифицируйте категориальные предикторы с помощью CategoricalPredictors аргумент пары "имя-значение" fitrensemble. Если Tbl содержит неоднородные переменные предикторы (например, типы числовых и категориальных данных) и X числовая матрица, затем predict выдает ошибку.

  • Для таблицы:

    • predict не поддерживает многостолбцовые переменные и массивы ячеек кроме массивов ячеек из символьных векторов.

    • Если вы обучили Mdl с помощью таблицы (например, Tbl), затем все переменные предикторы в X должен иметь те же имена переменных и типы данных как те, которые обучили Mdl (сохраненный в Mdl.PredictorNames). Однако порядок следования столбцов X не должен соответствовать порядку следования столбцов Tbltbl и X может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict игнорирует их.

    • Если вы обучили Mdl с помощью числовой матрицы затем предиктор называет в Mdl.PredictorNames и соответствующий переменный предиктор называет в X должно быть то же самое. Чтобы задать имена предиктора во время обучения, смотрите PredictorNames аргумент пары "имя-значение" fitrensemble. Все переменные предикторы в X должны быть числовые векторы. X может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict игнорирует их.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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, где NumTrained количество слабых учеников.

Значение по умолчанию: 1:NumTrained

'UseObsForLearner'

Логическая матрица размера N- NumTrained, где N количество наблюдений в X, и NumTrained количество слабых учеников. Когда UseObsForLearner(I,J) true, predict ученик использования J в предсказании наблюдения I.

Значение по умолчанию: true(N,NumTrained)

Выходные аргументы

Yfit

Числовой вектор-столбец с одинаковым числом строк как TBLdata или Xdata. Каждая строка Yfit дает предсказанный ответ на соответствующую строку TBLdata или Xdata, на основе ens модель регрессии.

Примеры

развернуть все

Скрипт Open Live Script

Найдите предсказанный пробег для автомобиля на основе ансамбля регрессии обученным на carsmall данные.

Загрузите carsmall набор данных и выбор количество цилиндров, объема двигателя, лошадиной силы и веса транспортного средства как предикторы.

load carsmall
X = [Cylinders Displacement Horsepower Weight];

Обучите ансамбль деревьев регрессии и предскажите MPG для автомобиля с четырьмя цилиндрами, с 200 кубическими объемами двигателя дюйма, 150 лошадиных сил, веся 3 000 фунтов.

rens = fitrensemble(X,MPG);
Mileage = predict(rens,[4 200 150 3000])
Mileage = 25.6467

Расширенные возможности

Смотрите также

| | | |

Документация Statistics and Machine Learning Toolbox
Поддержка