Пакет: classreg.learning.regr
Суперклассы: CompactRegressionEnsemble
Регрессия ансамбля
RegressionEnsemble
комбинирует набор обученных слабых моделей ученика и данных, на которых были обучены эти ученики. Это может предсказать ответ ансамбля для новых данных путем агрегации предсказаний от его слабых учеников.
Создайте использование объекта ансамбля регрессии fitrensemble
.
|
Границы интервала для числовых предикторов в виде массива ячеек p числовые векторы, где p является количеством предикторов. Каждый вектор включает границы интервала для числового предиктора. Элемент в массиве ячеек для категориального предиктора пуст, потому что программное обеспечение не делает интервала категориальные предикторы. Числовые предикторы интервалов программного обеспечения, только если вы задаете Можно воспроизвести сгруппированные данные о предикторе X = mdl.X; % Predictor data
Xbinned = zeros(size(X));
edges = mdl.BinEdges;
% Find indices of binned predictors.
idxNumeric = find(~cellfun(@isempty,edges));
if iscolumn(idxNumeric)
idxNumeric = idxNumeric';
end
for j = idxNumeric
x = X(:,j);
% Convert x to array if x is a table.
if istable(x)
x = table2array(x);
end
% Group x into bins by using the Xbinned содержит индексы интервала, в пределах от 1 к количеству интервалов, для числовых предикторов. Xbinned значения 0 для категориальных предикторов. Если X содержит NaN s, затем соответствующий Xbinned значениями является NaN s.
|
|
Категориальные индексы предиктора в виде вектора из положительных целых чисел. |
|
Вектор символов, описывающий, как ансамбль комбинирует предсказания ученика. |
|
Расширенные имена предиктора, сохраненные как массив ячеек из символьных векторов. Если кодирование использования модели для категориальных переменных, то |
|
Числовой массив подходящей информации. |
|
Вектор символов, описывающий значение |
|
Массив ячеек из символьных векторов с именами слабых учеников в ансамбле. Имя каждого ученика появляется только однажды. Например, если у вас есть ансамбль 100 деревьев, |
|
Описание оптимизации перекрестной проверки гиперпараметров, сохраненных как
|
|
Вектор символов с именем алгоритма |
|
Параметры используются в учебном |
|
Числовой скаляр, содержащий количество наблюдений в обучающих данных. |
|
Количество обученных учеников в ансамбле, положительной скалярной величине. |
|
Массив ячеек имен для переменных предикторов, в порядке, в котором они появляются в |
|
Вектор символов, описывающий причину |
|
Структура, содержащая результат |
|
Вектор символов с именем переменной отклика |
|
Указатель на функцию для преобразования баллов или вектора символов, представляющего встроенную функцию преобразования. Добавьте или измените ens.ResponseTransform = @function |
|
Обученные ученики, массив ячеек компактных моделей регрессии. |
|
Числовой вектор из весов ансамбль присваивает своим ученикам. Ансамбль вычисляет предсказанный ответ путем агрегации взвешенных предсказаний от его учеников. |
|
Масштабированный |
|
Матрица или таблица значений предиктора, которые обучили ансамбль. Каждый столбец |
|
Числовой вектор-столбец с одинаковым числом строк как |
compact | Создайте компактный ансамбль регрессии |
crossval | Крест подтверждает ансамбль |
cvshrink | Крест подтверждает уменьшение (сокращение) ансамбль |
lime | Локальные поддающиеся толкованию объяснения модели агностические (LIME) |
loss | Ошибка регрессии |
partialDependence | Вычислите частичную зависимость |
plotPartialDependence | Создайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP) |
predict | Предскажите ансамбль использования ответов моделей регрессии |
predictorImportance | Оценки важности предиктора для ансамбля регрессии |
regularize | Найдите, что веса минимизируют ошибку перезамены плюс термин штрафа |
removeLearners | Удалите члены компактного ансамбля регрессии |
resubLoss | Ошибка регрессии перезаменой |
resubPredict | Предскажите ответ ансамбля перезаменой |
resume | Возобновите учебный ансамбль |
shapley | Шепли оценивает |
shrink | Сократите ансамбль |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел "Копирование объектов".
Для ансамбля деревьев регрессии, Trained
свойство содержит вектор ячейки из ens.NumTrained
CompactRegressionTree
объекты модели. Для текстового или графического дисплея древовидного t
в векторе ячейки войти
view(ens.Trained{t})
ClassificationEnsemble
| fitrensemble
| CompactRegressionEnsemble
| templateTree
| view