RegressionEnsemble Predict

Спрогнозируйте ответы, используя ансамбль деревьев решений для регрессии

Библиотека:
Statistics and Machine Learning Toolbox/Регрессия

Описание

Блок RegressionEnsemble Predict предсказывает ответы, используя ансамбль деревьев решений (RegressionEnsemble, RegressionBaggedEnsemble, или CompactRegressionEnsemble).

Импортируйте обученный объект регрессии в блок, задав имя переменной рабочей области, которая содержит объект. Вход x порта получает наблюдение (данные предиктора), и выход yfit порта возвращает предсказанный ответ для наблюдения.

Порты

Вход

расширить все

`x` - Данные предиктора
Вектор-строка | вектор-столбец

Данные предиктора, заданные как вектор-столбец или вектор-строка одного наблюдения.

Зависимости

Переменные в x должны иметь тот же порядок, что и переменные-предикторы, которые обучали модель, заданную Select trained machine learning model.

Выход

расширить все

`yfit` - Предсказанная реакция
скаляр

Предсказанный ответ, возвращенный как скаляр.

Параметры

расширить все

Главный

`Select trained machine learning model` - Модель регрессионного ансамбля
`ensMdl` (по умолчанию) | `RegressionEnsemble` | объекта `RegressionBaggedEnsemble` | объекта `CompactRegressionEnsemble` объект

Укажите имя переменной рабочей области, содержащей RegressionEnsemble объект, RegressionBaggedEnsemble объект, или CompactRegressionEnsemble объект.

Когда вы обучаете модель при помощи fitrensemble, действуют следующие ограничения:

Данные предиктора не могут включать категориальные предикторы (logical, categorical, char, string, или cell). Если вы поставляете обучающие данные в таблицу, предикторы должны быть числовыми (double или single). Кроме того, вы не можете использовать 'CategoricalPredictors' аргумент имя-значение. Чтобы включить категориальные предикторы в модель, предварительно обработайте категориальные предикторы с помощью dummyvar перед подгонкой модели.
Значение 'ResponseTransform' аргумент имя-значение должен быть 'none' (по умолчанию).
Вы не можете использовать суррогатные расщепления для слабых учеников дерева, то есть значение 'Surrogate' аргумент имя-значение должен быть 'off' (по умолчанию), когда вы задаете слабых учеников дерева при помощи templateTree функция.

Программное использование

Параметры блоков: TrainedLearner

Тип: переменная рабочей области

Значения: RegressionEnsemble | объекта RegressionBaggedEnsemble | объекта CompactRegressionEnsemble объект

По умолчанию: 'ensMdl'

Типы данных

Рабочие параметры с фиксированной точкой

`Integer rounding mode` - Режим округления для операций с фиксированной точкой
`Floor` (по умолчанию) | `Ceiling` | `Convergent` | `Nearest` | `Round` | `Simplest` | `Zero`

Задайте режим округления для операций с фиксированной точкой. Для получения дополнительной информации см. раздел Округление (Fixed-Point Designer).

Параметры блоков всегда округлятся до ближайшего представимого значения. Чтобы контролировать округление параметров блоков, введите выражение с помощью MATLAB^® функция округления в поле маски.

Программное использование

Параметры блоков: RndMeth

Тип: Вектор символов

По умолчанию: 'Floor'

`Saturate on integer overflow` - Метод действия переполнения
`off` (по умолчанию) | `on`

Укажите, будут ли переполнения насыщаться или переноситься.

Действие Объяснение Влияние на переливы Пример

Действие	Объяснение	Влияние на переливы	Пример
Установите этот флажок (`on`).	Ваша модель имеет возможное переполнение, и вы хотите явную защиту от насыщения в сгенерированном коде.	Переполнения достигает минимального или максимального значения, которое может представлять тип данных.	Максимальное значение, которое `int8`(8-битное целое число со знаком) может представлять 127. Любая операция блока, результат которой больше этого максимального значения, вызывает переполнение 8-битного целого числа. При установленном флажке выход блока достигает 127. Точно так же выход блока достигает минимального выходного значения -128.
Снимите этот флажок (`off`).	Вы хотите оптимизировать эффективность вашего сгенерированного кода. Вы хотите избежать переопределения того, как блок обрабатывает сигналы вне области допустимого. Для получения дополнительной информации смотрите Поиск и устранение ошибок диапазона сигнала (Simulink).	Переполнения переходят к соответствующему значению, которое может представлять тип данных.	Максимальное значение, которое `int8`(8-битное целое число со знаком) может представлять 127. Любая операция блока, результат которой больше этого максимального значения, вызывает переполнение 8-битного целого числа. Если флажок снят, программа интерпретирует переполнение, вызывающее значение следующим `int8`, что может привести к непреднамеренному результату. Для примера блочный результат 130 (двоичный 1000 0010) выражается как `int8` -126.

Установите этот флажок (on).

Ваша модель имеет возможное переполнение, и вы хотите явную защиту от насыщения в сгенерированном коде.

Переполнения достигает минимального или максимального значения, которое может представлять тип данных.

Максимальное значение, которое int8(8-битное целое число со знаком) может представлять 127. Любая операция блока, результат которой больше этого максимального значения, вызывает переполнение 8-битного целого числа. При установленном флажке выход блока достигает 127. Точно так же выход блока достигает минимального выходного значения -128.

Снимите этот флажок (off).

Вы хотите оптимизировать эффективность вашего сгенерированного кода.

Вы хотите избежать переопределения того, как блок обрабатывает сигналы вне области допустимого. Для получения дополнительной информации смотрите Поиск и устранение ошибок диапазона сигнала (Simulink).

Переполнения переходят к соответствующему значению, которое может представлять тип данных.

Максимальное значение, которое int8(8-битное целое число со знаком) может представлять 127. Любая операция блока, результат которой больше этого максимального значения, вызывает переполнение 8-битного целого числа. Если флажок снят, программа интерпретирует переполнение, вызывающее значение следующим int8, что может привести к непреднамеренному результату. Для примера блочный результат 130 (двоичный 1000 0010) выражается как int8 -126.

Программное использование

Параметры блоков: SaturateOnIntegerOverflow

Тип: Вектор символов

Значения: 'off' | 'on'

По умолчанию: 'off'

`Lock output data type setting against changes by the fixed-point tools` - Предотвратить переопределение типа данных инструментами с фиксированной точкой
`off` (по умолчанию) | `on`

Выберите этот параметр, чтобы инструменты с фиксированной точкой не переопределяли тип данных, заданный для блока. Для получения дополнительной информации смотрите Использование настройки типа выходных данных блокировки (Fixed-Point Designer).

Программное использование

Параметры блоков: LockScale

Тип: Вектор символов

Значения: 'off' | 'on'

По умолчанию: 'off'

Тип данных

`Output data type` - Тип данных вывода yfit
`Inherit: auto` (по умолчанию) | `double` | `single` | `half` | `int8` | `uint8` | `int16` | `uint16` | `int32` | `uint32` | `int64` | `uint64` | `boolean` | `fixdt(1,16)` | `fixdt(1,16,0)` | `fixdt(1,16,2^0,0)` | `<data type expression>`

Укажите тип данных для выхода yfit. Тип может быть унаследован, задан непосредственно или выражен как объект типа данных, такой как Simulink.NumericType.

Когда вы выбираете Inherit: auto, блок использует правило, которое наследует тип данных.

Для получения дополнительной информации о типах данных смотрите Типы данных управляющего сигнала (Simulink).

Нажмите кнопку Show data type assistant, чтобы отобразить Data Type Assistant, которая помогает вам задать атрибуты type данных. Для получения дополнительной информации смотрите Задать типы данных Используя Data Type Assistant (Simulink).

Программное использование

Параметры блоков: OutDataTypeStr

Тип: Вектор символов

По умолчанию: 'Inherit: auto'

`Output minimum` - Минимальное значение выходного сигнала yfit для проверки области значений
`[]` (по умолчанию) | скаляром

Более низкий значение < reservedrangesplaceholder0 > выход области значений том Simulink^® проверки.

Simulink использует минимальное значение для выполнения:

Проверка области значений параметров (см. «Задание минимальных и максимальных значений для параметров блоков (Simulink)») для некоторых блоков.
Проверка области значений симуляции (см. «Задание диапазонов сигнала (Simulink)» и «Включение проверки области значений симуляции (Simulink)»).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и повлиять на результаты некоторых режимов симуляции, таких как SIL или режим external mode. Для получения дополнительной информации смотрите Оптимизировать используя указанные минимальное и максимальное значения (Embedded Coder).

Примечание

Параметр Output minimum не насыщает или не зажимает фактический сигнал yfit. Вместо этого используйте Saturation (Simulink) блок.

Программное использование

Параметры блоков: OutMin

Тип: Вектор символов

Значения: '[]' | скаляр

По умолчанию: '[]'

`Output maximum` - Максимальное значение выходного сигнала yfit для проверки области значений
`[]` (по умолчанию) | скаляром

Верхний значение < reservedrangesplaceholder0 > выход области значений, которое проверяет Simulink.

Simulink использует минимальное значение для выполнения:

Проверка области значений параметров (см. «Задание минимальных и максимальных значений для параметров блоков (Simulink)») для некоторых блоков.
Проверка области значений симуляции (см. «Задание диапазонов сигнала (Simulink)» и «Включение проверки области значений симуляции (Simulink)»).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и повлиять на результаты некоторых режимов симуляции, таких как SIL или режим external mode. Для получения дополнительной информации смотрите Оптимизировать используя указанные минимальное и максимальное значения (Embedded Coder).

Примечание

Параметр Output maximum не насыщает или не зажимает фактический сигнал yfit. Вместо этого используйте Saturation (Simulink) блок.

Программное использование

Параметры блоков: OutMax

Тип: Вектор символов

Значения: '[]' | скаляр

По умолчанию: '[]'

`Weak learner data type` - Тип данных слабых выходов учащихся
`Inherit: auto` (по умолчанию) | `double` | `single` | `half` | `int8` | `uint8` | `int16` | `uint16` | `int32` | `uint32` | `int64` | `uint64` | `boolean` | `fixdt(1,16)` | `fixdt(1,16,0)` | `fixdt(1,16,2^0,0)` | `<data type expression>`

Укажите тип данных для выходов от слабых учащихся. Тип может быть унаследован, задан непосредственно или выражен как объект типа данных, такой как Simulink.NumericType.

Когда вы выбираете Inherit: auto, блок использует правило, которое наследует тип данных.

Для получения дополнительной информации о типах данных смотрите Типы данных управляющего сигнала (Simulink).

Программное использование

Параметры блоков: WeakLearnerDataTypeStr

Тип: Вектор символов

По умолчанию: 'Inherit: auto'

`Weak learner minimum` - Минимальное значение слабых выходов обучающегося для проверки области значений
`[]` (по умолчанию) | скаляром

Более низкое значение слабой выходной области значений обучающегося, который проверяет Simulink.

Simulink использует минимальное значение для выполнения:

Проверка области значений параметров (см. «Задание минимальных и максимальных значений для параметров блоков (Simulink)») для некоторых блоков.
Проверка области значений симуляции (см. «Задание диапазонов сигнала (Simulink)» и «Включение проверки области значений симуляции (Simulink)»).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и повлиять на результаты некоторых режимов симуляции, таких как SIL или режим external mode. Для получения дополнительной информации смотрите Оптимизировать используя указанные минимальное и максимальное значения (Embedded Coder).

Примечание

Параметр Weak learner minimum не насыщает или не зажимает фактические слабые выходные сигналы учащегося.

Программное использование

Параметры блоков: WeakLearnerOutMin

Тип: Вектор символов

Значения: '[]' | скаляр

По умолчанию: '[]'

`Weak learner maximum` - Максимальное значение слабых выходов обучающегося для проверки области значений
`[]` (по умолчанию) | скаляром

Верхнее значение слабой выходной области значений обучающегося, который проверяет Simulink.

Simulink использует максимальное значение для выполнения:

Проверка области значений параметров (см. «Задание минимальных и максимальных значений для параметров блоков (Simulink)») для некоторых блоков.
Проверка области значений симуляции (см. «Задание диапазонов сигнала (Simulink)» и «Включение проверки области значений симуляции (Simulink)»).
Автоматическое масштабирование типов данных с фиксированной точкой.
Оптимизация кода, который вы генерируете из модели. Эта оптимизация может удалить алгоритмический код и повлиять на результаты некоторых режимов симуляции, таких как SIL или режим external mode. Для получения дополнительной информации смотрите Оптимизировать используя указанные минимальное и максимальное значения (Embedded Coder).

Примечание

Параметр Weak learner maximum не насыщает или не зажимает фактические слабые выходные сигналы учащегося.

Программное использование

Параметры блоков: WeakLearnerOutMax

Тип: Вектор символов

Значения: '[]' | скаляр

По умолчанию: '[]'

Примеры моделей

Predict Responses Using RegressionEnsemble Predict Block

Предсказание откликов с помощью блока RegressionEnsemble Predict

Обучите регрессионную модель ансамбля с оптимальными гиперпараметрами, а затем используйте блок RegressionEnsemble Predict для предсказания отклика.

Открыть Live Script

Характеристики блоков

Типы данных	`Boolean` \| `double` \| `fixed point` \| `half` \| `integer` \| `single`
Прямое сквозное соединение	`yes`
Многомерные сигналы	`no`
Сигналы переменного размера	`no`
Обнаружение пересечения нулем	`no`

Альтернативная функциональность

Вы можете использовать блок MATLAB Function с predict функция объекта ансамбля деревьев решений (RegressionEnsemble, RegressionBaggedEnsemble, или CompactRegressionEnsemble). Для получения примера смотрите Предсказание меток классов с использованием Блока MATLAB function.

При решении, использовать ли блок RegressionEnsemble Predict в библиотеке Statistics and Machine Learning Toolbox™ или блоке MATLAB Function с predict функцию, 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.

Документация

RegressionEnsemble Predict

Описание

Порты

Вход

x - Данные предиктора Вектор-строка | вектор-столбец

Зависимости

Выход

yfit - Предсказанная реакция скаляр

Параметры

Главный

Select trained machine learning model - Модель регрессионного ансамбля ensMdl (по умолчанию) | RegressionEnsemble | объекта RegressionBaggedEnsemble | объекта CompactRegressionEnsemble объект

Программное использование

Типы данных

Integer rounding mode - Режим округления для операций с фиксированной точкой Floor (по умолчанию) | Ceiling | Convergent | Nearest | Round | Simplest | Zero

Программное использование

Saturate on integer overflow - Метод действия переполнения off (по умолчанию) | on

Программное использование

Lock output data type setting against changes by the fixed-point tools - Предотвратить переопределение типа данных инструментами с фиксированной точкой off (по умолчанию) | on

Программное использование

Output data type - Тип данных вывода yfit Inherit: auto (по умолчанию) | double | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16) | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <data type expression>

Программное использование

Output minimum - Минимальное значение выходного сигнала yfit для проверки области значений [] (по умолчанию) | скаляром

Программное использование

Output maximum - Максимальное значение выходного сигнала yfit для проверки области значений [] (по умолчанию) | скаляром

Программное использование

Программное использование

Weak learner minimum - Минимальное значение слабых выходов обучающегося для проверки области значений [] (по умолчанию) | скаляром

Программное использование

Weak learner maximum - Максимальное значение слабых выходов обучающегося для проверки области значений [] (по умолчанию) | скаляром

Программное использование

Примеры моделей

Предсказание откликов с помощью блока RegressionEnsemble Predict

Характеристики блоков

Альтернативная функциональность

Расширенные возможности

Генерация кода C/C + + Сгенерируйте код C и C++ с помощью Coder™ Simulink ®

Преобразование с фиксированной точкой Разрабатывайте и моделируйте системы с фиксированной точкой с помощью Fixed-Point Designer™.

См. также

Блоки

Объекты

Функции

Темы

Statistics and Machine Learning Toolbox документация

Поддержка

`x` - Данные предиктора
Вектор-строка | вектор-столбец

`yfit` - Предсказанная реакция
скаляр

`Select trained machine learning model` - Модель регрессионного ансамбля
`ensMdl` (по умолчанию) | `RegressionEnsemble` | объекта `RegressionBaggedEnsemble` | объекта `CompactRegressionEnsemble` объект

`Integer rounding mode` - Режим округления для операций с фиксированной точкой
`Floor` (по умолчанию) | `Ceiling` | `Convergent` | `Nearest` | `Round` | `Simplest` | `Zero`

`Saturate on integer overflow` - Метод действия переполнения
`off` (по умолчанию) | `on`

`Lock output data type setting against changes by the fixed-point tools` - Предотвратить переопределение типа данных инструментами с фиксированной точкой
`off` (по умолчанию) | `on`

`Output minimum` - Минимальное значение выходного сигнала yfit для проверки области значений
`[]` (по умолчанию) | скаляром

`Output maximum` - Максимальное значение выходного сигнала yfit для проверки области значений
`[]` (по умолчанию) | скаляром

`Weak learner minimum` - Минимальное значение слабых выходов обучающегося для проверки области значений
`[]` (по умолчанию) | скаляром

`Weak learner maximum` - Максимальное значение слабых выходов обучающегося для проверки области значений
`[]` (по умолчанию) | скаляром

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ Simulink ®

Преобразование с фиксированной точкой
Разрабатывайте и моделируйте системы с фиксированной точкой с помощью Fixed-Point Designer™.