Пакет: classreg.learning.classif
Класс компактного классификационного ансамбля
Компактная версия классификационного ансамбля (класса ClassificationEnsemble
). В компактную версию не включены данные для обучения классификационного ансамбля. Поэтому вы не можете выполнять некоторые задачи с компактным классификационным ансамблем, таким как перекрестные валидации. Используйте компактный классификационный ансамбль для составления предсказаний (классификаций) новых данных.
строит компактный ансамбль принятия решений из ансамбля полного принятия решений.ens
=
compact(fullEns
)
|
Классификационный ансамбль, созданный |
|
Категориальные индексы предиктора, заданные как вектор положительных целых чисел. |
|
Список элементов в |
|
Вектор символов, описывающий как |
|
Квадратная матрица, где |
|
Расширенные имена предикторов, сохраненные как массив ячеек из векторов символов. Если модель использует кодировку для категориальных переменных, то |
|
Число подготовленных слабых учащихся в |
|
Массив ячеек с именами для переменных предиктора в том порядке, в котором они появляются |
|
Числовой вектор априорных вероятностей для каждого класса. Порядок элементов |
|
Вектор символов с именем переменной отклика |
|
Указатель на функцию для преобразования счетов или вектор символов, представляющий встроенную функцию преобразования. Добавление или изменение ens.ScoreTransform = 'function' или ens.ScoreTransform = @function |
|
Вектор камеры из обученных классификационных моделей.
|
|
Численный вектор обученных весов для слабых учащихся в |
|
Логическая матрица размера Если ансамбль не является типом |
compareHoldout | Сравните точности двух классификационных моделей с помощью новых данных |
edge | Классификационное ребро |
lime | Локальные интерпретируемые модели-агностические объяснения (LIME) |
loss | Ошибка классификации |
margin | Классификационные поля |
partialDependence | Вычисление частичной зависимости |
plotPartialDependence | Создайте график частичной зависимости (PDP) и отдельные графики условного ожидания (ICE) |
predict | Классифицируйте наблюдения с помощью ансамбля классификационных моделей |
predictorImportance | Оценки предикторной важности для классификационного ансамбля деревьев решений |
removeLearners | Удаление представителей компактного классификационного ансамбля |
shapley | Значения Shapley |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел «Копирование объектов».
Для ансамбля классификационных деревьев Trained
свойство ens
сохраняет ens.NumTrained
-by-1 вектор камеры компактных классификационных моделей. Для текстового или графического отображения древовидных t
в векторе камеры введите:
view (ens.Trained
для ансамблей, агрегированных с использованием LogitBoost или GentleBoost.{t
}.CompactRegressionLearner)
view (ens.Trained
для всех других методов агрегации.{t
})
ClassificationEnsemble
| compact
| compareHoldout
| fitcensemble
| fitctree
| predict
| view