В этом примере показано, как создать ансамбль дерева классификации для ionosphere
набор данных и использование это, чтобы предсказать классификацию радара возвращается со средними измерениями.
Загрузите ionosphere
набор данных.
load ionosphere
Обучите ансамбль классификации. Для бинарных проблем классификации, fitcensemble
агрегировал 100 использований деревьев классификации LogitBoost.
Mdl = fitcensemble(X,Y)
Mdl = ClassificationEnsemble ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351 NumTrained: 100 Method: 'LogitBoost' LearnerNames: {'Tree'} ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.' FitInfo: [100x1 double] FitInfoDescription: {2x1 cell} Properties, Methods
Mdl
ClassificationEnsemble
модель.
Постройте график первого обученного дерева классификации в ансамбле.
view(Mdl.Trained{1}.CompactRegressionLearner,'Mode','graph');
По умолчанию, fitcensemble
выращивает мелкие деревья для повышения алгоритмов. Можно изменить древовидную глубину путем передачи древовидного объекта шаблона fitcensemble
. Для получения дополнительной информации смотрите templateTree
.
Предскажите, что качество радара возвращается со средними измерениями предиктора.
label = predict(Mdl,mean(X))
label = 1x1 cell array
{'g'}