Класс: CompactTreeBagger
Предскажите ансамбль использования ответов сложенных в мешок деревьев решений
Yfit = predict(B,X)
Yfit = predict(B,X,Name,Value)
[Yfit,stdevs] = predict(___)
[Yfit,scores] = predict(___)
[Yfit,scores,stdevs] = predict(___)
Yfit = predict(B,X)
возвращает вектор из предсказанных ответов для данных о предикторе в таблице или матричном X
, на основе компактного ансамбля сложенных в мешок деревьев решений B
. Yfit
массив ячеек из символьных векторов для классификации и числовой массив для регрессии. По умолчанию, predict
берет демократическое (невзвешенное) среднее голосование от всех деревьев в ансамбле.
B
обученный CompactTreeBagger
объект модели, то есть, модель, возвращенная compact
.
X
таблица, или матрица данных о предикторе раньше генерировала ответы. Строки представляют наблюдения, и столбцы представляют переменные.
Если X
числовая матрица:
Переменные, составляющие столбцы X
должен иметь тот же порядок как переменные предикторы, которые обучили B
.
Если вы обучили B
с помощью таблицы (например, Tbl
), затем X
может быть числовая матрица если Tbl
содержит все числовые переменные предикторы. Обрабатывать числовые предикторы в Tbl
как категориальные во время обучения, идентифицируйте категориальные предикторы с помощью CategoricalPredictors
аргумент пары "имя-значение" TreeBagger
. Если Tbl
содержит неоднородные переменные предикторы (например, типы числовых и категориальных данных) и X
числовая матрица, затем predict
выдает ошибку.
Если X
таблица:
predict
не поддерживает многостолбцовые переменные или массивы ячеек кроме массивов ячеек из символьных векторов.
Если вы обучили B
с помощью таблицы (например, Tbl
), затем все переменные предикторы в X
должен иметь те же имена переменных и быть совпадающих типов данных как те, которые обучили B
(сохраненный в B.PredictorNames
). Однако порядок следования столбцов X
не должен соответствовать порядку следования столбцов Tbl
tbl
и X
может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict
игнорирует их.
Если вы обучили B
с помощью числовой матрицы затем предиктор называет в B.PredictorNames
и соответствующий переменный предиктор называет в X
должно быть то же самое. Чтобы задать имена предиктора во время обучения, смотрите PredictorNames
аргумент пары "имя-значение" TreeBagger
. Все переменные предикторы в X
должны быть числовые векторы. X
может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict
игнорирует их.
Yfit = predict(B,X,
задает дополнительные опции с помощью одного или нескольких аргументов пары "имя-значение":Name,Value
)
'Trees'
— Массив древовидных индексов, чтобы использовать для расчета ответов. Значением по умолчанию является 'all'
.
'TreeWeights'
— Массив NTrees
веса для взвешивания голосов от заданных деревьев, где NTrees
количество деревьев в ансамбле.
'UseInstanceForTree'
— Логическая матрица размера Nobs
- NTrees
указание, который деревья использовать, чтобы сделать предсказания для каждого наблюдения, где Nobs
количество наблюдений. По умолчанию все деревья используются для всех наблюдений.
Для регрессии, [Yfit,stdevs] = predict(___)
также возвращает стандартные отклонения вычисленных ответов по ансамблю выращенных деревьев с помощью любой из комбинаций входных аргументов в предыдущих синтаксисах.
Для классификации, [Yfit,scores] = predict(___)
также возвращает музыку ко всем классам. scores
матрица с одной строкой на наблюдение и одним столбцом в классе. Для каждого наблюдения и каждого класса, счет, сгенерированный каждым деревом, является вероятностью наблюдения, происходящего из класса, вычисленного как часть наблюдений за классом в древовидном листе. predict
составляет в среднем эти баллы по всем деревьям в ансамбле.
[Yfit,scores,stdevs] = predict(___)
также возвращает стандартные отклонения вычисленной музыки к классификации. stdevs
матрица с одной строкой на наблюдение и одним столбцом в классе, со стандартными отклонениями, принятыми ансамбль выращенных деревьев.
Для проблем регрессии предсказанный ответ для наблюдения является взвешенным средним предсказаний с помощью выбранных деревьев только. Таким образом,
предсказание от древовидного t в ансамбле.
S является набором индексов выбранных деревьев, которые включают предсказание (см. '
Trees
'
и '
UseInstanceForTree
'
). 1, если t находится в наборе S, и 0 в противном случае.
αt является весом древовидного t (см. '
TreeWeights
'
).
Для проблем классификации предсказанный класс для наблюдения является классом, который дает к самому большому взвешенному среднему апостериорных вероятностей класса (i.e., классификационные оценки), вычисленное использование выбрало деревья только. Таким образом,
Для каждого класса c ∊ C и каждый древовидный t = 1..., T, predict
вычисляет , который является предполагаемой апостериорной вероятностью класса заданное наблюдение c x с помощью древовидного t. C является набором всех отличных классов в обучающих данных. Для получения дополнительной информации об апостериорных вероятностях дерева классификации смотрите fitctree
и predict
.
predict
вычисляет взвешенное среднее апостериорных вероятностей класса по выбранным деревьям.
Предсказанный класс является классом, который дает к самому большому взвешенному среднему.