Exponenta Banner

predict

Спрогнозируйте ответы, используя ансамбль регрессионых моделей

развернуть все на странице

Синтаксис

Yfit = predict(Mdl,X)
Yfit = predict(Mdl,X,Name,Value)

Описание

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

Yfit = predict(Mdl,X,Name,Value) использует дополнительные опции, заданные одним или несколькими Name,Value аргументы в виде пар.

Входные параметры

Mdl

Регрессионный ансамбль, созданный fitrensemble, или по compact способ.

X

Данные предиктора, используемые для генерации откликов, 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 переменные предиктора, которые обучали Mdl.

    • Если вы тренировались Mdl использование таблицы (для примера, Tbl), затем X может быть числовой матрицей, если Tbl содержит все числовые переменные предиктора. Для лечения числовых предикторов в Tbl как категориальный во время обучения, идентифицируйте категориальные предикторы, используя CategoricalPredictors Аргумент пары "имя-значение" из fitrensemble. Если Tbl содержит неоднородные переменные предиктора (для примера, числовых и категориальных типов данных) и X является числовой матрицей, тогда predict выдает ошибку.

  • Для таблицы:

    • predict не поддерживает многополюсные переменные или массивы ячеек, отличные от массивов ячеек векторов символов.

    • Если вы тренировались Mdl использование таблицы (для примера, Tbl), затем все переменные предиктора в X должны иметь те же имена переменных и типы данных, что и обученные Mdl (хранится в Mdl.PredictorNames). Однако порядок столбцов X не должен соответствовать порядку столбцов Tbl. Tbl и X может содержать дополнительные переменные (переменные отклика, 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 задать имена предикторов во время обучения, смотрите PredictorNames Аргумент пары "имя-значение" из fitrensemble. Все переменные предиктора в X должны быть числовыми векторами. X может содержать дополнительные переменные (переменные отклика, веса наблюдений и т.д.), но predict игнорирует их.

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.

'Learners'

Индексы слабых учащихся ансамбля в диапазоне от 1 на NumTrained, где NumTrained количество слабых учащихся.

По умолчанию: 1:NumTrained

'UseObsForLearner'

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

По умолчанию: true(N,NumTrained)

Выходные аргументы

Yfit

Числовой вектор-столбец с одинаковым числом строк, как и TBLdata или Xdata. Каждая строка Yfit приводит предсказанный ответ на соответствующую строку TBLdata или Xdata, на основе ens регрессионная модель.

Примеры

расширить все

Открыть Live Script

Найдите предсказанный пробег для автомобиля на основе регрессионого ансамбля, обученного на carsmall данные.

Загрузите carsmall набор данных и выбор количества цилиндров, объема двигателя, лошадиной силы и веса транспортного средства в качестве предикторов.

load carsmall
X = [Cylinders Displacement Horsepower Weight];

Обучите ансамбль регрессионных деревьев и предсказайте MPG для четырехцилиндрового автомобиля, с объемом двигателя 200 кубических дюймов, 150 лошадиных сил, весом 3000 фунтов.

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

Альтернативная функциональность

Блок Simulink

Чтобы интегрировать предсказание ансамбля в Simulink®можно использовать блок RegressionEnsemble Predict в библиотеке Statistics and Machine Learning Toolbox™ или MATLAB® Функциональный блок с predict функция. Для примеров смотрите Предсказание откликов с использованием RegressionEnsemble Predict Block и Предсказание меток классов с использованием Блок MATLAB Function.

При принятии решения о том, какой подход использовать, примите к сведению следующее:

  • Если вы используете библиотечный блок Statistics and Machine Learning Toolbox, можно использовать Fixed-Point Tool (Fixed-Point Designer) для преобразования модели с плавающей точкой в фиксированную точку.

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

  • Если вы используете блок MATLAB Function, можно использовать функции MATLAB для предварительной обработки или постобработки до или после предсказаний в том же блоке MATLAB Function.

Расширенные возможности

.

См. также

| | | |

Statistics and Machine Learning Toolbox документация

Поддержка