BinEdges
|
Границы интервала для числовых предикторов в виде массива ячеек p числовые векторы, где p является количеством предикторов. Каждый вектор включает границы интервала для числового предиктора. Элемент в массиве ячеек для категориального предиктора пуст, потому что программное обеспечение не делает интервала категориальные предикторы. Числовые предикторы интервалов программного обеспечения, только если вы задаете 'NumBins' аргумент пары "имя-значение" как положительный целочисленный скаляр, когда обучение модель с древовидными учениками. BinEdges свойство пусто если 'NumBins' значение пусто (значение по умолчанию). Можно воспроизвести сгруппированные данные о предикторе Xbinned при помощи BinEdges свойство обученной модели mdl . Xbinned содержит индексы интервала, в пределах от 1 к количеству интервалов, для числовых предикторов. Xbinned значения 0 для категориальных предикторов. Если X содержит NaN s, затем соответствующий Xbinned значениями является NaN s.
|
CategoricalPredictors
|
Категориальные индексы предиктора в виде вектора 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 ([] ).
|
CategoricalSplit
|
n-by-2 массив ячеек, где n является количеством категориальных разделений в tree . Каждая строка в CategoricalSplits дает левые и правые значения для категориального разделения. Для каждого узла ветви с категориальным разделением j на основе категориального переменного предиктора z , покинутый дочерний элемент выбран если z находится в CategoricalSplits(j,1) и правильный дочерний элемент выбран если z находится в CategoricalSplits(j,2) . Разделения находятся в том же порядке как узлы дерева. Найдите узлы для этих разделений путем выбора 'categorical' сокращения сверху донизу в CutType свойство.
|
Children
|
n-by-2 массив, содержащий количества дочерних узлов для каждого узла в tree , где n является количеством узлов. Вершины имеют дочерний узел 0 .
|
ClassCount
|
n-by-k массив класса значит узлы в tree , где n является количеством узлов, и k является количеством классов. Для любого номера узла i , класс считает ClassCount(i,:) количества наблюдений (из данных, используемых в подборе кривой дереву) от каждого класса, удовлетворяющего условиям для узла i .
|
ClassNames
|
Список элементов в Y с удаленными копиями. ClassNames может быть категориальный массив, массив ячеек из символьных векторов, символьный массив, логический вектор или числовой вектор. ClassNames имеет совпадающий тип данных как данные в аргументе Y . (Программное обеспечение обрабатывает строковые массивы как массивы ячеек из символьных векторов.)
|
ClassProbability
|
n-by-k массив вероятностей класса для узлов в tree , где n является количеством узлов, и k является количеством классов. Для любого номера узла i , вероятности класса ClassProbability(i,:) предполагаемые вероятности для каждого класса для точки, удовлетворяющей условиям для узла i .
|
Cost
|
Квадратная матрица, где Cost(i,j) стоимость классификации точки в класс j если его истинным классом является i (строки соответствуют истинному классу, и столбцы соответствуют предсказанному классу). Порядок строк и столбцов Cost соответствует порядку классов в ClassNames . Количество строк и столбцов в Cost количество уникальных классов в ответе. Это свойство доступно только для чтения.
|
CutCategories
|
n-by-2 массив ячеек категорий используется при ветвях в tree , где n является количеством узлов. Для каждого узла ветви i на основе категориального переменного предиктора X , покинутый дочерний элемент выбран если X среди категорий, перечисленных в CutCategories{i,1} , и правильный дочерний элемент выбран если X среди перечисленных в CutCategories{i,2} . Оба столбца CutCategories пусты для узлов ветви на основе непрерывных предикторов и для вершин.
CutPoint содержит точки разделения для 'continuous' сокращения и CutCategories содержит набор категорий.
|
CutPoint
|
n - вектор элемента значений, используемых в качестве точек разделения в tree , где n является количеством узлов. Для каждого узла ветви i на основе непрерывного переменного предиктора X , покинутый дочерний элемент выбран если X<CutPoint(i) и правильный дочерний элемент выбран если X>=CutPoint(i) . CutPoint isnan для узлов ветви на основе категориальных предикторов и для вершин.
CutPoint содержит точки разделения для 'continuous' сокращения и CutCategories содержит набор категорий.
|
CutType
|
n - массив ячеек элемента, указывающий на тип сокращения в каждом узле в tree , где n является количеством узлов. Для каждого узла i , CutType{i} :
CutPoint содержит точки разделения для 'continuous' сокращения и CutCategories содержит набор категорий.
|
CutPredictor
|
n - массив ячеек элемента имен переменных используется в ответвлении в каждом узле в tree , где n является количеством узлов. Эти переменные иногда известны как переменные сокращения. Для вершин, CutPredictor содержит пустой символьный вектор.
CutPoint содержит точки разделения для 'continuous' сокращения и CutCategories содержит набор категорий.
|
CutPredictorIndex
|
n - массив элемента числовых индексов для переменных используется в ответвлении в каждом узле в tree , где n является количеством узлов. Для получения дополнительной информации смотрите CutPredictor .
|
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 .
|
HyperparameterOptimizationResults
|
Описание оптимизации перекрестной проверки гиперпараметров, сохраненных как BayesianOptimization возразите или таблица гиперпараметров и присваиваемых значений. Непустой, когда OptimizeHyperparameters пара "имя-значение" непуста при создании. Значение зависит от установки HyperparameterOptimizationOptions пара "имя-значение" при создании:
'bayesopt' (значение по умолчанию) — Объект класса BayesianOptimization
'gridsearch' или 'randomsearch' — Таблица гиперпараметров используемые, наблюдаемые значения целевой функции (потеря перекрестной проверки), и ранг наблюдений от самого низкого (лучше всего) к (худшему) самому высокому
|
IsBranchNode
|
n - элемент логический вектор, который является true для каждого узла ветви и false для каждой вершины tree .
|
ModelParameters
|
Параметры используются в учебном tree . Чтобы отобразить все значения параметров, введите tree.ModelParameters . Чтобы получить доступ к конкретному параметру, используйте запись через точку.
|
NumObservations
|
Количество наблюдений в обучающих данных, числовом скаляре. NumObservations может быть меньше количества строк входных данных X когда существуют отсутствующие значения в X или ответ Y .
|
NodeClass
|
n - массив ячеек элемента с именами самых вероятных классов в каждом узле tree , где n является количеством узлов в дереве. Каждым элементом этого массива является вектор символов, равный одним из имен классов в ClassNames .
|
NodeError
|
n - вектор элемента ошибок узлов в tree , где n является количеством узлов. NodeError(i) misclassification вероятность для узла i .
|
NodeProbability
|
n - вектор элемента вероятностей узлов в tree , где n является количеством узлов. Вероятность узла вычисляется как пропорция наблюдений из исходных данных, которые удовлетворяют условиям для узла. Эта пропорция настроена для любых априорных вероятностей, определенных каждому классу.
|
NodeRisk
|
n - вектор элемента риска узлов в дереве, где n является количеством узлов. Риск для каждого узла является мерой примеси (индекс Gini или отклонение) для этого узла, взвешенного вероятностью узла. Если дерево выращено twoing, риск для каждого узла является нулем.
|
NodeSize
|
n - вектор элемента размеров узлов в tree , где n является количеством узлов. Размер узла задан как количество наблюдений из данных, используемых, чтобы создать дерево, которые удовлетворяют условиям для узла.
|
NumNodes
|
Количество узлов в tree .
|
Parent
|
n - вектор элемента, содержащий количество родительского узла для каждого узла в tree , где n является количеством узлов. Родительским элементом корневого узла является 0 .
|
PredictorNames
|
Массив ячеек из символьных векторов, содержащий имена предиктора, в порядке, который они появляются в X .
|
Prior
|
Числовой вектор априорных вероятностей для каждого класса. Порядок элементов Prior соответствует порядку классов в ClassNames . Число элементов Prior количество уникальных классов в ответе. Это свойство доступно только для чтения.
|
PruneAlpha
|
Числовой вектор с одним элементом на сокращение уровня. Если уровень сокращения лежит в диапазоне от 0 до M, то PruneAlpha имеет M + 1 элемент, отсортированный в порядке возрастания. PruneAlpha(1) для сокращения уровня 0 (никакое сокращение), PruneAlpha(2) для сокращения уровня 1, и так далее.
|
PruneList
|
n - элемент числовой вектор с уровнями сокращения в каждом узле tree , где n является количеством узлов. Уровни сокращения лежат в диапазоне от 0 (никакое сокращение) к M, где M является расстоянием между самым глубоким листом и корневым узлом.
|
ResponseName
|
Вектор символов, который задает имя переменной отклика (Y ).
|
RowsUsed
|
n - элемент логический вектор, указывающий, который строки исходных данных о предикторе (X ) использовались в подборе кривой. Если программное обеспечение использует все строки X , затем RowsUsed пустой массив ([] ).
|
ScoreTransform
|
Указатель на функцию для преобразования предсказанных классификационных оценок или вектора символов, представляющего встроенную функцию преобразования.
none средние значения никакое преобразование или @(x)x .
Чтобы изменить преобразование счета функционируют к, например, function , используйте запись через точку.
Для доступных функций (см. fitctree ), войдите Mdl.ScoreTransform = 'function'; Можно установить указатель на функцию для доступной функции или функции, которую вы задаете сами путем ввода tree.ScoreTransform = @function;
|
SurrogateCutCategories
|
n - массив ячеек элемента категорий используется в суррогатных разделениях в tree , где n является количеством узлов в tree . Для каждого узла k , SurrogateCutCategories{k} массив ячеек. Длина SurrogateCutCategories{k} равно количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogateCutCategories{k} или пустой символьный вектор для непрерывного суррогатного предиктора или двухэлементный массив ячеек с категориями для категориального суррогатного предиктора. Первый элемент этого двухэлементного массива ячеек перечисляет категории, присвоенные покинутому дочернему элементу этим суррогатным разделением, и второй элемент этого двухэлементного массива ячеек перечисляет категории, присвоенные правильному дочернему элементу этим суррогатным разделением. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неветви (лист) узлы, SurrogateCutCategories содержит пустую ячейку.
|
SurrogateCutFlip
|
n - массив ячеек элемента числовых присвоений сокращения используется в суррогатных разделениях в tree , где n является количеством узлов в tree . Для каждого узла k , SurrogateCutFlip{k} числовой вектор. Длина SurrogateCutFlip{k} равно количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogateCutFlip{k} или нуль для категориального суррогатного предиктора или числовое присвоение сокращения для непрерывного суррогатного предиктора. Числовое присвоение сокращения может быть или –1 или +1. Для каждого суррогатного разделения с числовым сокращением C на основе непрерывного переменного предиктора Z выбран покинутый дочерний элемент, если Z <C и присвоение сокращения для этого суррогатного разделения +1, или если Z ≥C и присвоение сокращения для этого суррогатного разделения –1. Точно так же правильный дочерний элемент выбран, если Z ≥C и присвоение сокращения для этого суррогатного разделения +1, или если Z <C и присвоение сокращения для этого суррогатного разделения –1. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неветви (лист) узлы, SurrogateCutFlip содержит пустой массив.
|
SurrogateCutPoint
|
n - массив ячеек элемента числовых значений используется в суррогатных разделениях в tree , где n является количеством узлов в tree . Для каждого узла k , SurrogateCutPoint{k} числовой вектор. Длина SurrogateCutPoint{k} равно количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogateCutPoint{k} любой NaN для категориального суррогатного предиктора или числового сокращения для непрерывного суррогатного предиктора. Для каждого суррогатного разделения с числовым сокращением C на основе непрерывного переменного предиктора Z покинутый дочерний элемент выбран если Z <C и SurrogateCutFlip поскольку это суррогатное разделение +1, или если Z ≥C и SurrogateCutFlip поскольку это суррогатное разделение –1. Точно так же правильный дочерний элемент выбран если Z ≥C и SurrogateCutFlip поскольку это суррогатное разделение +1, или если Z <C и SurrogateCutFlip поскольку это суррогатное разделение –1. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных, возвращенных SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неветви (лист) узлы, SurrogateCutPoint содержит пустую ячейку.
|
SurrogateCutType
|
n - типы указания массива ячеек элемента суррогатных разделений в каждом узле в tree , где n является количеством узлов в tree . Для каждого узла k , SurrogateCutType{k} массив ячеек с типами суррогатных переменных разделения в этом узле. Переменные сортируются по прогнозирующей мере связи с оптимальным предиктором в порядке убывания, и только переменные с положительной прогнозирующей мерой включены. Порядок суррогатных переменных разделения в каждом узле является соответствующим к порядку переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неветви (лист) узлы, SurrogateCutType содержит пустую ячейку. Суррогатным типом разделения может быть любой 'continuous' если сокращение задано в форме Z <V для переменной Z и точка разделения V или 'categorical' если сокращение задано ли Z принимает значение в наборе категорий.
|
SurrogateCutPredictor
|
n - массив ячеек элемента имен переменных используется в суррогатных разделениях в каждом узле в tree , где n является количеством узлов в tree . Каждый элемент SurrogateCutPredictor массив ячеек с именами суррогатных переменных разделения в этом узле. Переменные сортируются по прогнозирующей мере связи с оптимальным предиктором в порядке убывания, и только переменные с положительной прогнозирующей мерой включены. Переменная оптимального разделения в этом узле не появляется. Для неветви (лист) узлы, SurrogateCutPredictor содержит пустую ячейку.
|
SurrogatePredictorAssociation
|
n - массив ячеек элемента прогнозирующих мер ассоциации для суррогатных разделений в tree , где n является количеством узлов в tree . Для каждого узла k , SurrogatePredictorAssociation{k} числовой вектор. Длина SurrogatePredictorAssociation{k} равно количеству суррогатных предикторов, найденных в этом узле. Каждый элемент SurrogatePredictorAssociation{k} дает прогнозирующую меру ассоциации между оптимальным разделением и этим суррогатным разделением. Порядок суррогатных переменных разделения в каждом узле является порядком переменных в SurrogateCutPredictor . Переменная оптимального разделения в этом узле не появляется. Для неветви (лист) узлы, SurrogatePredictorAssociation содержит пустую ячейку.
|
W
|
Масштабированный weights , вектор с длиной n, количество строк в X .
|
X
|
Матрица A или таблица значений предиктора. Каждый столбец X представляет одну переменную, и каждая строка представляет одно наблюдение.
|
Y
|
Категориальный массив, массив ячеек из символьных векторов, символьный массив, логический вектор или числовой вектор. Каждая строка Y представляет классификацию соответствующей строки X .
|