Exponenta Banner
exponenta event banner

предсказать

Прогнозирование ответов с использованием совокупности регрессионных моделей

развернуть все на странице

Синтаксис

Yfit = прогнозировать (Mdl, X)
Yfit = прогнозировать (Mdl, X, имя, значение)

Описание

Yfit = predict(Mdl,X) возвращает прогнозируемые отклики на данные предиктора в таблице или матрице X, на основе модели регрессионного ансамбля Mdl.

Yfit = predict(Mdl,X,Name,Value) использует дополнительные параметры, указанные одним или несколькими Name,Value аргументы пары.

Входные аргументы

Mdl

Регрессионный ансамбль, созданный fitrensemble, или compact способ.

X

Данные предиктора, используемые для генерации ответов, заданные как числовая матрица или таблица.

Каждая строка X соответствует одному наблюдению, и каждый столбец соответствует одной переменной.

  • Для числовой матрицы:

    • Переменные, составляющие столбцы X должен иметь тот же порядок, что и обучаемые переменные предиктора Mdl.

    • Если вы тренировались Mdl использование таблицы (например, Tbl), то X может быть числовой матрицей, если Tbl содержит все числовые переменные предиктора. Чтобы обработать числовые предикторы в Tbl в качестве категориального во время обучения, определить категориальные предикторы, используя CategoricalPredictors аргумент пары имя-значение fitrensemble. Если Tbl содержит разнородные переменные предиктора (например, числовые и категориальные типы данных) и X является числовой матрицей, то predict выдает ошибку.

  • Для таблицы:

    • predict не поддерживает многозначные переменные или массивы ячеек, отличные от массивов ячеек символьных векторов.

    • Если вы тренировались Mdl использование таблицы (например, Tbl), затем все переменные предиктора в X должны иметь те же имена переменных и типы данных, что и прошедшие обучение Mdl (хранится в Mdl.PredictorNames). Однако порядок столбцов X не обязательно соответствовать порядку столбцов Tbl. Tbl и X может содержать дополнительные переменные (переменные ответа, веса наблюдений и т.д.), но predict игнорирует их.

    • Если вы тренировались Mdl используя числовую матрицу, затем имена предикторов в Mdl.PredictorNames и соответствующие имена переменных предиктора в X должно быть то же самое. Чтобы указать имена предикторов во время обучения, см. PredictorNames аргумент пары имя-значение fitrensemble. Все переменные предиктора в X должны быть числовыми векторами. X может содержать дополнительные переменные (переменные ответа, веса наблюдений и т.д.), но predict игнорирует их.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

'Learners'

Показатели слабых учащихся в ансамбле варьируются от 1 кому NumTrained, где NumTrained - число слабых учащихся.

По умолчанию: 1:NumTrained

'UseObsForLearner'

Логическая матрица размера Nоколо-NumTrained, где N - количество наблюдений в X, и NumTrained - число слабых учащихся. Когда UseObsForLearner(I,J) является true, predict использует ученик J в прогнозировании наблюдения I.

По умолчанию: true(N,NumTrained)

Выходные аргументы

Yfit

Вектор числового столбца с тем же количеством строк, что и TBLdata или Xdata. Каждая строка Yfit дает прогнозируемый ответ на соответствующую строку TBLdata или Xdata, на основе ens регрессионная модель.

Примеры

развернуть все

Открыть сценарий в реальном времени

Найдите прогнозируемый пробег для автомобиля на основе регрессионного ансамбля, обученного на carsmall данные.

Загрузить carsmall набор данных и выбор количества цилиндров, рабочего объема двигателя, лошадиных сил и веса транспортного средства в качестве предикторов.

load carsmall
X = [Cylinders Displacement Horsepower Weight];

Обучение ансамбля регрессионных деревьев и прогнозирование MPG для четырёхцилиндрового автомобиля, с двигателем объёмом 200 кубических дюймов, мощностью 150 лошадиных сил, массой 3000 фунтов.

rens = fitrensemble(X,MPG);
Mileage = predict(rens,[4 200 150 3000])
Mileage = 25.6467

Альтернативная функциональность

Блок симулятора

Чтобы интегрировать прогнозирование ансамбля в Simulink ®, можно использовать блок прогнозирования RegingEnsemble в библиотеке Toolbox™ статистики и машинного обучения или функциональный блок MATLAB ® с помощью predict функция. Примеры см. в разделах Прогнозирование ответов с помощью блока прогнозирования RegingEnsemble и Прогнозирование меток классов с помощью функционального блока MATLAB.

При принятии решения о том, какой подход использовать, необходимо учитывать следующее:

  • При использовании блока библиотеки инструментов «Статистика и машинное обучение» для преобразования модели с плавающей запятой в фиксированную можно использовать инструмент «Фиксированная точка» (Fixed-Point Designer).

  • Поддержка массивов переменного размера должна быть включена для функционального блока MATLAB с predict функция.

  • При использовании функционального блока MATLAB можно использовать функции MATLAB для предварительной обработки или последующей обработки до или после прогнозирования в том же функциональном блоке MATLAB.

Расширенные возможности

.

См. также

| | | |

Документация по инструментам для статистического и машинного обучения

Поддержка