Класс: TreeBagger
Компактный ансамбль деревьев решений
CMdl = compact(Mdl)Mdl, TreeBagger объект модели. Можно предсказать регрессии с помощью CMdl точно так же, как вы можете с помощью Mdl. Однако начиная с CMdl не содержит обучающие данные, вы не можете выполнить некоторые действия, те, которые делают предсказания из сумки с помощью oobPredict.
|
Ансамбль регрессии создается с |
|
Компактный ансамбль регрессии. |
Создайте компактный мешок деревьев для того, чтобы эффективно сделать предсказания на новых данных.
Загрузите ionosphere набор данных.
load ionosphereОбучите мешок 100 деревьев классификации с помощью всех измерений и AdaBoostM1 метод.
Mdl = TreeBagger(100,X,Y,'Method','classification')
Mdl =
TreeBagger
Ensemble with 100 bagged decision trees:
Training X: [351x34]
Training Y: [351x1]
Method: classification
NumPredictors: 34
NumPredictorsToSample: 6
MinLeafSize: 1
InBagFraction: 1
SampleWithReplacement: 1
ComputeOOBPrediction: 0
ComputeOOBPredictorImportance: 0
Proximity: []
ClassNames: 'b' 'g'
Properties, Methods
Mdl TreeBagger объект модели, который содержит обучающие данные, среди прочего.
Создайте компактную версию Mdl.
CMdl = compact(Mdl)
CMdl =
CompactTreeBagger
Ensemble with 100 bagged decision trees:
Method: classification
NumPredictors: 34
ClassNames: 'b' 'g'
Properties, Methods
CMdl CompactTreeBagger объект модели. CMdl почти то же самое как Mdl. Одно исключение - то, что это не хранит обучающие данные.
Сравните суммы места, занимавшего Mdl и CMdl.
mdlInfo = whos('Mdl'); cMdlInfo = whos('CMdl'); [mdlInfo.bytes cMdlInfo.bytes]
ans = 1×2
1069822 931016
Mdl занимает больше места, чем CMdl.
CMdl.Trees хранит обученные деревья классификации (CompactClassificationTree объекты модели), которые составляют Mdl.
Отобразите график первого дерева в компактной модели.
view(CMdl.Trees{1},'Mode','graph');
По умолчанию, TreeBagger выращивает глубокие деревья.
Предскажите метку среднего значения X использование компактного ансамбля.
predMeanX = predict(CMdl,mean(X))
predMeanX = 1x1 cell array
{'g'}