В этом примере показано, как создать ансамбль дерева классификации для ionosphere набор данных и использовать его для прогнозирования классификации радиолокационной отдачи со средними измерениями.
Загрузить ionosphere набор данных.
load ionosphereТренирует классификационный ансамбль. Для проблем с двоичной классификацией fitcensemble агрегирует 100 деревьев классификации с помощью 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 является ClassificationEnsemble модель.
Постройте график первого обученного дерева классификации в ансамбле.
view(Mdl.Trained{1}.CompactRegressionLearner,'Mode','graph');
По умолчанию fitcensemble выращивает мелководные деревья для повышения алгоритмов. Можно изменить глубину дерева, передав объект шаблона дерева в fitcensemble. Дополнительные сведения см. в разделе templateTree.
Предсказать качество радарной отдачи со средними предикторными измерениями.
label = predict(Mdl,mean(X))
label = 1x1 cell array
{'g'}