Класс: TreeBagger
Прогнозирование ответов с использованием совокупности упакованных в мешки деревьев принятия 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 прогнозируемых откликов для данных предиктора в таблице или матрице X, на основе ансамбля фасованных деревьев принятия решений B. Yfit является массивом ячеек символьных векторов для классификации и числовым массивом для регрессии. По умолчанию predict принимает демократический (невзвешенный) средний голос от всех деревьев в ансамбле.
B является обученным TreeBagger объект модели, то есть модель, возвращенная TreeBagger.
X - таблица или матрица данных предиктора, используемых для генерации ответов. Строки представляют наблюдения, а столбцы - переменные.
Если X - числовая матрица:
Переменные, составляющие столбцы X должен иметь тот же порядок, что и обучаемые переменные предиктора B.
Если вы тренировались B 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 TreeBagger. Если Tbl содержит разнородные переменные предиктора (например, числовые и категориальные типы данных) и X является числовой матрицей, то predict выдает ошибку.
Если X является таблицей:
predict не поддерживает многозначные переменные или массивы ячеек, отличные от массивов ячеек символьных векторов.
Если вы тренировались B использование таблицы (например, Tbl), затем все переменные предиктора в X должны иметь те же имена переменных и иметь те же типы данных, что и прошедшие обучение B (хранится в B.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 B используя числовую матрицу, затем имена предикторов в B.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 TreeBagger. 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.
Yfit = predict(B,X, указывает дополнительные параметры, использующие один или несколько аргументов пары имя-значение:Name,Value)
'Trees' - Массив индексов дерева для использования при вычислении откликов. Значение по умолчанию: 'all'.
'TreeWeights' - Массив NTrees веса для взвешивания голосов из указанных деревьев, где NTrees - количество деревьев в ансамбле.
'UseInstanceForTree' - Логическая матрица размера Nobsоколо-NTrees указание деревьев, которые следует использовать для прогнозирования каждого наблюдения, где Nobs - количество наблюдений. По умолчанию все деревья используются для всех наблюдений.
Для регрессии [Yfit,stdevs] = predict(___) также возвращает стандартные отклонения вычисленных откликов по ансамблю выращенных деревьев, используя любую из комбинаций входных аргументов в предыдущих синтаксисах.
Для классификации, [Yfit,scores] = predict(___) также возвращает баллы для всех классов. scores является матрицей с одной строкой на наблюдение и одним столбцом на класс. Для каждого наблюдения и каждого класса оценка, генерируемая каждым деревом, является вероятностью наблюдения, происходящего из класса, вычисленной как доля наблюдений класса в древовидном листе. predict усредняет эти оценки по всем деревьям в ансамбле.
[Yfit,scores,stdevs] = predict(___) также возвращает стандартные отклонения вычисленных баллов для классификации. stdevs - матрица с одной строкой на наблюдение и одним столбцом на класс, со стандартными отклонениями, взятыми за ансамбль выращенных деревьев.
Для проблем регрессии прогнозируемый отклик для наблюдения представляет собой средневзвешенное прогнозирование только с использованием выбранных деревьев. То есть
t∈S).
t - предсказание от дерева t в ансамбле.
S - набор индексов выбранных деревьев, составляющих прогноз (см. 'Trees' и 'UseInstanceForTree'). ) равно 1, если t в наборе S, и 0 в противном случае.
αt - вес дерева t (см. 'TreeWeights').
Для проблем классификации прогнозируемым классом для наблюдения является класс, который дает наибольшее средневзвешенное значение апостериорных вероятностей класса (то есть классификационные оценки), вычисленное только с использованием выбранных деревьев. То есть
Для каждого класса c ∊ C и каждого дерева t = 1,...,T, predict вычисляет c 'x), которая является оцененной апостериорной вероятностью класса c, заданного для наблюдения x с использованием дерева t.C, является набором всех отдельных классов в данных обучения. Дополнительные сведения о задних вероятностях дерева классификации см. в разделеfitctree и predict.
predict вычисляет средневзвешенное апостериорных вероятностей класса по выбранным деревьям.
I (t∈S).
Прогнозируемый класс - это класс, который дает наибольшее средневзвешенное значение.
)}.