surrogateAssociation

Следует иметь в виду прогнозирующую меру ассоциации для суррогатных разделений в дереве регрессии

Синтаксис

ma = surrogateAssociation(tree)
ma = surrogateAssociation(tree,N)

Описание

ma = surrogateAssociation(tree) возвращает матрицу прогнозирующих мер ассоциации для предикторов в tree.

ma = surrogateAssociation(tree,N) возвращает матрицу прогнозирующих мер ассоциации, усредненной по узлам в векторном N.

Входные параметры

tree

Дерево регрессии создается с fitrtree, или компактное дерево регрессии создается с compact.

N

Вектор чисел узла в tree.

Выходные аргументы

ma

  • ma = surrogateAssociation(tree) возвращает P- P матрица, где P количество предикторов в tree. ma(i,j) прогнозирующая мера ассоциации между оптимальным разделением на переменной i и суррогатное разделение на переменной j. Для получения дополнительной информации см. Алгоритмы.

  • ma = surrogateAssociation(tree,N) возвращает P- P представление прогнозирующей меры ассоциации между переменными усреднено по узлам в векторном NN содержит числа узла от 1 к max(tree.NumNodes).

Примеры

развернуть все

Загрузите carsmall набор данных. Задайте Displacement, Horsepower, и Weight как переменные предикторы.

load carsmall
X = [Displacement Horsepower Weight];

Вырастите дерево регрессии использование MPG как ответ. Задайте, чтобы использовать суррогатные разделения в отсутствующих значениях.

tree = fitrtree(X,MPG,'surrogate','on');

Найдите среднюю прогнозирующую меру ассоциации между переменными предикторами.

ma = surrogateAssociation(tree)
ma = 3×3

    1.0000    0.2167    0.5083
    0.4521    1.0000    0.3769
    0.2540    0.2659    1.0000

Найдите среднюю прогнозирующую меру ассоциации усредненной по нечетным узлам в tree.

N = 1:2:tree.NumNodes;
ma = surrogateAssociation(tree,N)
ma = 3×3

    1.0000    0.1250    0.6875
    0.5632    1.0000    0.5861
    0.3333    0.3148    1.0000

Больше о

развернуть все

Алгоритмы

Элемент ma(i,j) прогнозирующая мера ассоциации, усредненной по суррогатным разделениям на предикторе j для которого предиктора i оптимальный предиктор разделения. Это среднее значение вычисляется путем подведения итогов положительных значений прогнозирующей меры ассоциации по оптимальным разделениям на предикторе i и суррогат разделяет на предикторе j и деление на общее количество оптимальных разделений на предикторе i, включая разделения, для который прогнозирующая мера ассоциации между предикторами i и j отрицательно.

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте