Учебный классификационный ансамбль

В этом примере показано, как создать ансамбль классификационного дерева для ionosphere набор данных и используйте его, чтобы предсказать классификацию радиолокационного возврата со средними измерениями.

Загрузите ionosphere набор данных.

load ionosphere

Обучите классификационный ансамбль. Для двоичных задач классификации, fitcensemble объединяет 100 деревьев классификации с помощью LogitBoost.

Mdl = fitcensemble(X,Y)
Mdl = 
  ClassificationEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
               NumTrained: 100
                   Method: 'LogitBoost'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}


  Properties, Methods

Mdl является ClassificationEnsemble модель.

Постройте график первого обученного классификационного дерева в ансамбле.

view(Mdl.Trained{1}.CompactRegressionLearner,'Mode','graph');

Figure Regression tree viewer contains an axes and other objects of type uimenu, uicontrol. The axes contains 36 objects of type line, text.

По умолчанию fitcensemble выращивает мелкие деревья для увеличения алгоритмов. Вы можете изменить глубину дерева, передав объект шаблона дерева в fitcensemble. Для получения дополнительной информации смотрите templateTree.

Предсказать качество радиолокационного возврата со средними измерениями предиктора.

label = predict(Mdl,mean(X))
label = 1x1 cell array
    {'g'}

См. также

|

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте