Пакет: classreg.learning.regr
Класс ансамбля компактной регрессии
Компактный вариант регрессионного ансамбля (класса RegressionEnsemble). Компактная версия не включает данные для обучения регрессионного ансамбля. Поэтому нельзя выполнять некоторые задачи с помощью компактного регрессионного ансамбля, например перекрестную проверку. Используйте компактный регрессионный ансамбль для прогнозирования (регрессии) новых данных.
ens = compact(fullEns)
|
Регрессионный ансамбль, созданный |
|
Индексы категориального предиктора, указанные как вектор положительных целых чисел. |
|
Вектор символов, описывающий, как ансамбль объединяет предсказания ученика. |
|
Расширенные имена предикторов, хранящиеся в виде клеточного массива символьных векторов. Если модель использует кодировку для категориальных переменных, то |
|
Количество обученных учеников в ансамбле, положительный скаляр. |
|
Массив ячеек имен для переменных предиктора в порядке их появления в |
|
Символьный вектор с именем переменной ответа |
|
Дескриптор функции для преобразования баллов или символьного вектора, представляющего встроенную функцию преобразования. Добавить или изменить ens.ResponseTransform = @function |
|
Обученные ученики, клеточный массив моделей компактной регрессии. |
|
Числовой вектор весов, который ансамбль назначает своим ученикам. Ансамбль вычисляет прогнозируемый отклик путем агрегирования взвешенных прогнозов от своих учеников. |
lime | Локальные интерпретируемые модели-агностические объяснения (LIME) |
loss | Ошибка регрессии |
partialDependence | Вычислить частичную зависимость |
plotPartialDependence | Создание графиков частичной зависимости (PDP) и индивидуального условного ожидания (ICE) |
predict | Прогнозирование ответов с использованием совокупности регрессионных моделей |
predictorImportance | Оценки важности предиктора для регрессионного ансамбля |
removeLearners | Удаление членов компактного регрессионного ансамбля |
shapley | Значения Шапли |
Значение. Сведения о том, как классы значений влияют на операции копирования, см. в разделе Копирование объектов.
Создание компактного регрессионного ансамбля для эффективного прогнозирования новых данных.
Загрузить carsmall набор данных. Рассмотрим модель, которая объясняет экономию топлива автомобиля (MPG) с использованием его веса (Weight) и количество цилиндров (Cylinders).
load carsmall
X = [Weight Cylinders];
Y = MPG;Обучение усиленного ансамбля из 100 регрессионных деревьев с использованием LSBoost. Укажите, что Cylinders является категориальной переменной.
Mdl = fitrensemble(X,Y,'PredictorNames',{'W','C'},... 'CategoricalPredictors',2)
Mdl =
RegressionEnsemble
PredictorNames: {'W' 'C'}
ResponseName: 'Y'
CategoricalPredictors: 2
ResponseTransform: 'none'
NumObservations: 94
NumTrained: 100
Method: 'LSBoost'
LearnerNames: {'Tree'}
ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
FitInfo: [100x1 double]
FitInfoDescription: {2x1 cell}
Regularization: []
Properties, Methods
Mdl является RegressionEnsemble объект модели, содержащий, среди прочего, данные обучения.
Создание компактной версии Mdl.
CMdl = compact(Mdl)
CMdl =
CompactRegressionEnsemble
PredictorNames: {'W' 'C'}
ResponseName: 'Y'
CategoricalPredictors: 2
ResponseTransform: 'none'
NumTrained: 100
Properties, Methods
CMdl является CompactRegressionEnsemble объект модели. CMdl почти то же, что и Mdl. Одно исключение состоит в том, что CMdl не сохраняет данные обучения.
Сравнение объемов занимаемого пространства Mdl и CMdl.
mdlInfo = whos('Mdl'); cMdlInfo = whos('CMdl'); [mdlInfo.bytes cMdlInfo.bytes]
ans = 1×2
524616 499348
Mdl занимает больше места, чем CMdl.
CMdl.Trained хранит обученные деревья регрессии (CompactRegresionTree объекты модели), которые составляют Mdl.
Отображение графика первого дерева в компактном ансамбле.
view(CMdl.Trained{1},'Mode','graph');
По умолчанию fitrensemble выращивает мелководные деревья для поднятых ансамблей деревьев.
Спрогнозировать топливную экономию типичного автомобиля с помощью компактного ансамбля.
typicalX = [mean(X(:,1)) mode(X(:,2))]; predMeanX = predict(CMdl,typicalX)
predMeanX = 26.2520
Для компактного ансамбля регрессионных деревьев Trained имущество ens сохраняет вектор ячейки ens.NumTrained
CompactRegressionTree объекты модели. Для текстового или графического отображения дерева t в векторе ячейки введите
view(ens.Trained{t})compact | fitrensemble | predict | RegressionEnsemble | templateTree | view