Класс: CompactTreeBagger
Предскажите ансамбль использования ответов сложенных в мешок деревьев решений
Yfit = predict(B,X)
Yfit = predict(B,X,Name,Value)
[Yfit,stdevs] = predict(___)
[Yfit,scores] = predict(___)
[Yfit,scores,stdevs] = predict(___)
Yfit = predict(B,X) возвращает вектор из предсказанных ответов для данных о предикторе в таблице или матричном X, на основе компактного ансамбля сложенных в мешок деревьев решений B. Yfit массив ячеек из символьных векторов для классификации и числовой массив для регрессии. По умолчанию, predict берет демократическое (невзвешенное) среднее голосование от всех деревьев в ансамбле.
B обученный CompactTreeBagger объект модели, то есть, модель, возвращенная compact.
X таблица, или матрица данных о предикторе раньше генерировала ответы. Строки представляют наблюдения, и столбцы представляют переменные.
Если X числовая матрица:
Переменные, составляющие столбцы X должен иметь тот же порядок как переменные предикторы, которые обучили B.
Если вы обучили B с помощью таблицы (например, Tbl), затем X может быть числовая матрица если Tbl содержит все числовые переменные предикторы. Обрабатывать числовые предикторы в Tbl как категориальные во время обучения, идентифицируйте категориальные предикторы с помощью CategoricalPredictors аргумент пары "имя-значение" TreeBagger. Если Tbl содержит неоднородные переменные предикторы (например, типы числовых и категориальных данных) и X числовая матрица, затем predict выдает ошибку.
Если X таблица:
predict не поддерживает многостолбцовые переменные или массивы ячеек кроме массивов ячеек из символьных векторов.
Если вы обучили B с помощью таблицы (например, Tbl), затем все переменные предикторы в X должен иметь те же имена переменных и быть совпадающих типов данных как те, которые обучили B (сохраненный в B.PredictorNames). Однако порядок следования столбцов X не должен соответствовать порядку следования столбцов Tbltbl и X может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict игнорирует их.
Если вы обучили B с помощью числовой матрицы затем предиктор называет в B.PredictorNames и соответствующий переменный предиктор называет в X должно быть то же самое. Чтобы задать имена предиктора во время обучения, смотрите PredictorNames аргумент пары "имя-значение" TreeBagger. Все переменные предикторы в X должны быть числовые векторы. X может содержать дополнительные переменные (переменные отклика, веса наблюдения, и т.д.), но predict игнорирует их.
Yfit = predict(B,X, задает дополнительные опции с помощью одного или нескольких аргументов пары "имя-значение":Name,Value)
'Trees' — Массив древовидных индексов, чтобы использовать для расчета ответов. Значением по умолчанию является 'all'.
'TreeWeights' — Массив NTrees веса для взвешивания голосов от заданных деревьев, где NTrees количество деревьев в ансамбле.
'UseInstanceForTree' — Логическая матрица размера Nobs- NTrees указание, который деревья использовать, чтобы сделать предсказания для каждого наблюдения, где Nobs количество наблюдений. По умолчанию все деревья используются для всех наблюдений.
Для регрессии, [Yfit,stdevs] = predict(___) также возвращает стандартные отклонения вычисленных ответов по ансамблю выращенных деревьев с помощью любой из комбинаций входных аргументов в предыдущих синтаксисах.
Для классификации, [Yfit,scores] = predict(___) также возвращает музыку ко всем классам. scores матрица с одной строкой на наблюдение и одним столбцом в классе. Для каждого наблюдения и каждого класса, счет, сгенерированный каждым деревом, является вероятностью наблюдения, происходящего из класса, вычисленного как часть наблюдений за классом в древовидном листе. predict составляет в среднем эти баллы по всем деревьям в ансамбле.
[Yfit,scores,stdevs] = predict(___) также возвращает стандартные отклонения вычисленной музыки к классификации. stdevs матрица с одной строкой на наблюдение и одним столбцом в классе, со стандартными отклонениями, принятыми ансамбль выращенных деревьев.
Для проблем регрессии предсказанный ответ для наблюдения является взвешенным средним предсказаний с помощью выбранных деревьев только. Таким образом,
предсказание от древовидного t в ансамбле.
S является набором индексов выбранных деревьев, которые включают предсказание (см. 'Trees' и 'UseInstanceForTree'). 1, если t находится в наборе S, и 0 в противном случае.
αt является весом древовидного t (см. 'TreeWeights').
Для проблем классификации предсказанный класс для наблюдения является классом, который дает к самому большому взвешенному среднему апостериорных вероятностей класса (i.e., классификационные оценки), вычисленное использование выбрало деревья только. Таким образом,
Для каждого класса c ∊ C и каждый древовидный t = 1..., T, predict вычисляет , который является предполагаемой апостериорной вероятностью класса заданное наблюдение c x с помощью древовидного t. C является набором всех отличных классов в обучающих данных. Для получения дополнительной информации об апостериорных вероятностях дерева классификации смотрите fitctree и predict.
predict вычисляет взвешенное среднее апостериорных вероятностей класса по выбранным деревьям.
Предсказанный класс является классом, который дает к самому большому взвешенному среднему.
