Обучите ансамбль регрессии

В этом примере показано, как создать ансамбль регрессии, чтобы предсказать пробег автомобилей на основе их лошадиной силы и веса, обученного на carsmall данные.

Загрузите carsmall набор данных.

load carsmall

Подготовьте данные о предикторе.

X = [Horsepower Weight];

Данными об ответе является MPG. Единственным доступным повышенным типом ансамбля регрессии является LSBoost. В данном примере произвольно выберите ансамбль 100 деревьев и используйте древовидные опции по умолчанию.

Обучите ансамбль деревьев регрессии.

Mdl = fitrensemble(X,MPG,'Method','LSBoost','NumLearningCycles',100)
Mdl = 
  classreg.learning.regr.RegressionEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
        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

Постройте график первого обученного дерева регрессии в ансамбле.

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

По умолчанию, fitrensemble выращивает мелкие деревья для LSBoost.

Предскажите пробег автомобиля с 150 лошадиными силами, весящими 2 750 фунтов.

mileage = predict(Mdl,[150 2750])
mileage = 23.6713

Смотрите также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте