Exponenta Banner

resume

Возобновите обучение учащихся на складках перекрестной валидации

развернуть все на странице

Синтаксис

ens1 = resume(ens,nlearn)
ens1 = resume(ens,nlearn,Name,Value)

Описание

ens1 = resume(ens,nlearn) обучает ens в каждую складку для nlearn больше циклов. resume использует те же опции обучения fitcensemble используется для создания ens, за исключением параллельных опций обучения. Если вы хотите возобновить обучение параллельно, передайте 'Options' Пара "имя-значение".

ens1 = resume(ens,nlearn,Name,Value) обучает ens с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар.

Входные параметры

ens

Перекрестно проверенный классификационный ансамбль. ens является результатом либо:

  • fitcensemble функция с парой "имя-значение" перекрестной проверки. Имена следующие 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'.

  • The crossval способ применяется к классификационному ансамблю.

nlearn

Положительное целое число, количество циклов для дополнительного обучения ens.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

'NPrint'

Частота распечатки, положительный целочисленный скаляр или 'off' (распечатки отсутствуют). Когда NPrint является положительным целым числом, отображает сообщение в командную строку после обучения NPrint складки.

Совет

Для самой быстрой подготовки некоторых повышенных деревьев решений установите NPrint к значению по умолчанию 'off'. Этот советы сохраняются при классификации Method является 'AdaBoostM1', 'AdaBoostM2', 'GentleBoost', или 'LogitBoost', или когда регрессия Method является 'LSBoost'.

По умолчанию: 'off'

'Options'

Опции для параллельных вычислений и установки случайных чисел, заданные как структура. Создайте Options структура с statset.

Примечание

Вам нужно Parallel Computing Toolbox™, чтобы вычислить параллельно.

Можно использовать те же параллельные опции для resume как вы использовали для оригинального обучения. Однако при необходимости можно изменить параллельные опции. В этой таблице перечислены поля опций и их значения.

Имя поляЗначениеДефолт
UseParallel

Установите это значение равным true для параллельного вычисления. Параллельные тренировки ансамбля требуют, чтобы вы установили 'Method' аргумент имя-значение в 'Bag'. Параллельное обучение доступно только для учащихся-древовидников, тип по умолчанию для 'Bag'.

false
UseSubstreams

Установите это значение равным true проводить расчеты параллельно воспроизводимым способом.

Чтобы вычислить воспроизводимо, установите Streams к типу, который позволяет субпотоки: 'mlfg6331_64' или 'mrg32k3a'.

false
StreamsЗадайте это значение как RandStream объект или массив ячеек таких объектов. Используйте один объект, кроме тех случаев, когда UseParallel значение true и UseSubstreams значение false. В этом случае используйте массив ячеек, размер которого совпадает с размером параллельного пула.Если вы не задаете Streams, затем resume использует поток по умолчанию или потоки.

Для двухъядерных систем и выше, resume параллелизирует обучение с помощью Intel® Многопоточные базовые блоки (TBB). Поэтому установка UseParallel опция как true может не обеспечить значительную скорость на одном компьютере. Для получения дополнительной информации о Intel TBB смотрите https://software.intel.com/en-us/intel-tbb.

Пример: 'Options',statset('UseParallel',true)

Выходные аргументы

ens1

Перекрестно проверенный классификационный ансамбль ens, дополненный дополнительным обучением.

Примеры

расширить все

Открыть Live Script

Обучите секционированный классификационный ансамбль для 10 циклов и сравните классификационные потери, полученные после обучения ансамбля для большего количества циклов.

Загрузите ionosphere набор данных.

load ionosphere

Обучите секционированный классификационный ансамбль на 10 циклов и исследуйте ошибку.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
cvens = fitcensemble(X,Y,'Method','GentleBoost','NumLearningCycles',10,'Learners',t,'crossval','on');
rng(10,'twister') % For reproducibility
L = kfoldLoss(cvens)
L = 0.0940

Обучите еще 10 циклам и исследуйте новую ошибку.

cvens = resume(cvens,10);
L = kfoldLoss(cvens)
L = 0.0712

Ошибка перекрестной валидации ниже в ансамбле после обучения еще 10 циклов.

Расширенные возможности

См. также

| | | |

Statistics and Machine Learning Toolbox документация

Поддержка