Ансамбль дерева регрессии является прогнозной моделью, состоявшей из взвешенной комбинации деревьев множественной регрессии. В общем случае объединение деревьев множественной регрессии увеличивает прогнозирующую эффективность. Чтобы повысить деревья регрессии с помощью LSBoost, используйте fitrensemble
. Чтобы сложить деревья регрессии в мешок или вырастить случайный лес [12], используйте fitrensemble
или TreeBagger
. Чтобы реализовать регрессию квантиля с помощью мешка деревьев регрессии, используйте TreeBagger
.
Для ансамблей классификации, такой, как повышено или сложено в мешок деревья классификации, случайные ансамбли подпространства или модели выходных кодов с коррекцией ошибок (ECOC) для классификации мультиклассов, видят Ансамбли Классификации.
Regression Learner | Обучите модели регрессии предсказывать данные с помощью машинного обучения с учителем |
RegressionEnsemble Predict | Предскажите ансамбль использования ответов деревьев решений для регрессии |
Узнайте о различных алгоритмах для приобретения знаний ансамблем.
Среда для приобретения знаний ансамблем
Получите очень точные предсказания при помощи многих слабых учеников.
Обучите простой ансамбль регрессии.
Протестируйте качество ансамбля
Изучите методы, чтобы оценить прогнозирующее качество ансамбля.
Выберите Predictors for Random Forests
Выберите предикторы разделения для случайных лесов с помощью алгоритма проверок взаимодействия.
Автоматически выберите меньше слабых учеников для ансамбля способом, который не уменьшает прогнозирующую эффективность.
Загрузите агрегацию (укладывание в мешки) деревьев регрессии Используя TreeBagger
Создайте TreeBagger
ансамбль для регрессии.
Используйте параллельную обработку для регрессии рабочий процесс TreeBagger
Ускорьте расчет путем выполнения TreeBagger
параллельно.
Обнаружьте выбросы Используя регрессию квантиля
Обнаружьте выбросы в данных с помощью квантиля случайный лес.
Условная оценка квантиля Используя сглаживание ядра
Оцените условные квантили ответа, данного данные о предикторе с помощью квантиля случайный лес и путем оценки функции условного распределения ответа с помощью сглаживания ядра.
Настройте случайный лес Используя ошибку квантиля и байесовую оптимизацию
Настройте квантиль случайный лес с помощью Байесовой оптимизации.
Предскажите, что ответы Используя RegressionEnsemble предсказывают блок
Обучите модель ансамбля регрессии оптимальными гиперпараметрами, и затем используйте блок RegressionEnsemble Predict для предсказания ответа.