Пакет: classreg.learning.classif
Компактный класс ансамбля классификации
Компактная версия ансамбля классификации (класса ClassificationEnsemble
). Компактная версия не включает данные для обучения ансамбль классификации. Поэтому вы не можете выполнить некоторые задачи с компактным ансамблем классификации, такие как перекрестная проверка. Используйте компактный ансамбль классификации для того, чтобы сделать предсказания (классификации) новых данных.
создает компактный ансамбль решения из полного ансамбля решения.ens
=
compact(fullEns
)
|
Ансамбль классификации, созданный |
|
Категориальные индексы предиктора в виде вектора из положительных целых чисел. |
|
Список элементов в |
|
Вектор символов, описывающий, как |
|
Квадратная матрица, где |
|
Расширенные имена предиктора, сохраненные как массив ячеек из символьных векторов. Если кодирование использования модели для категориальных переменных, то |
|
Количество обученных слабых учеников в |
|
Массив ячеек имен для переменных предикторов, в порядке, в котором они появляются в |
|
Числовой вектор из априорных вероятностей для каждого класса. Порядок элементов |
|
Вектор символов с именем переменной отклика |
|
Указатель на функцию для преобразования баллов или вектора символов, представляющего встроенную функцию преобразования. Добавьте или измените ens.ScoreTransform = 'function' или ens.ScoreTransform = @function |
|
Вектор ячейки из обученных моделей классификации.
|
|
Числовой вектор из обученных весов для слабых учеников в |
|
Логическая матрица размера Если ансамбль не имеет типа |
compareHoldout | Сравните точность двух моделей классификации с помощью новых данных |
edge | Ребро классификации |
gather | Соберите свойства объекта Statistics and Machine Learning Toolbox от графического процессора |
lime | Локальные поддающиеся толкованию объяснения модели агностические (LIME) |
loss | Ошибка классификации |
margin | Поля классификации |
partialDependence | Вычислите частичную зависимость |
plotPartialDependence | Создайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP) |
predict | Классифицируйте ансамбль использования наблюдений моделей классификации |
predictorImportance | Оценки важности предиктора для ансамбля классификации деревьев решений |
removeLearners | Удалите члены компактного ансамбля классификации |
shapley | Шепли оценивает |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел "Копирование объектов".
Для ансамбля деревьев классификации, Trained
свойство ens
хранит ens.NumTrained
- 1 вектор ячейки из компактных моделей классификации. Для текстового или графического дисплея древовидного t
в векторе ячейки, введите:
представление (сущность. Обученный {
поскольку ансамбли агрегировали использование LogitBoost или GentleBoost.t
}.CompactRegressionLearner)
представление (сущность. Обученный {
для всех других методов агрегации.t
})
fitcensemble
| ClassificationEnsemble
| predict
| compact
| fitctree
| view
| compareHoldout