Exponenta Banner

resume

Возобновите учебных учеников на сгибах перекрестной проверки

расширьте все на странице

Синтаксис

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

Описание

ens1 = resume(ens,nlearn) обучает ens в каждом сгибе для nlearn больше циклов. resume использует те же опции обучения fitcensemble используемый, чтобы создать 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 парные аргументы.

Входные параметры

ens

Перекрестный подтвержденный ансамбль классификации. ens результат также:

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

  • crossval метод применился к ансамблю классификации.

nlearn

Положительное целое число, количество циклов для дополнительного обучения ens.

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

NPrint

Частота распечатки, положительный целочисленный скаляр или 'off' (никакие распечатки). Когда NPrint положительное целое число, отображает сообщение к командной строке после учебного NPrint сгибы.

Совет

Для самого быстрого обучения некоторых повышенных деревьев решений, набор NPrint к значению по умолчанию 'off'. Этот совет содержит когда классификация Method 'AdaBoostM1', 'AdaBoostM2', 'GentleBoost', или 'LogitBoost', или когда регрессия Method 'LSBoost'.

Значение по умолчанию: 'off'

Options

Опции для вычисления в параллели и установки случайных чисел в виде структуры. Создайте Options структура с statset.

Примечание

Вам нужен Parallel Computing Toolbox™, чтобы вычислить параллельно.

Можно использовать те же параллельные опции для resume когда вы использовали для исходного обучения. Однако можно изменить параллельные опции по мере необходимости. Эта таблица приводит поля опции и их значения.

Имя поляЗначениеЗначение по умолчанию
UseParallel

Установите это значение к true вычислить параллельно. Параллельное обучение ансамбля требует, чтобы вы установили 'Method' аргумент значения имени к 'Bag'. Параллельное обучение доступно только древовидным ученикам, типу по умолчанию для 'Bag'.

false
UseSubstreams

Установите это значение к true запускать расчеты параллельно восстанавливаемым способом.

Чтобы вычислить восстанавливаемо, установите Streams к типу, который позволяет подпотоки: 'mlfg6331_64' или 'mrg32k3a'.

false
StreamsЗадайте это значение как a RandStream объектный массив или массив ячеек таких объектов. Используйте отдельный объект кроме тех случаев, когда UseParallel значением является true и UseSubstreams значением является false. В этом случае используйте массив ячеек, который имеет тот же размер как параллельный пул.Если вы не задаете Streamsто resume использует поток по умолчанию или потоки.

Для двухъядерных систем и выше, resume параллелизирует использование обучения Intel® Поточная обработка базовых блоков (TBB). Поэтому определение UseParallel опция как true не может обеспечить значительное ускорение на одиночном компьютере. Для получения дополнительной информации на Intel TBB, см. https://software.intel.com/content/www/us/en/develop/tools/oneapi/components/onetbb.html.

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

Выходные аргументы

ens1

Перекрестный подтвержденный ансамбль классификации ens, увеличенный с дополнительным обучением.

Примеры

развернуть все

Скрипт Open Live Script

Обучите разделенный ансамбль классификации 10 циклам и сравните потерю классификации, полученную после обучения ансамбль для большего количества циклов.

Загрузите ionosphere набор данных.

load ionosphere

Обучите разделенный ансамбль классификации 10 циклам 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

Обучайтесь для еще 10 циклов и исследуйте новую ошибку.

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

Ошибка перекрестной проверки ниже в ансамбле после обучения еще 10 циклам.

Расширенные возможности

Смотрите также

| | | |

Документация Statistics and Machine Learning Toolbox

Поддержка