Класс: TreeBagger
Предсказания ансамбля для наблюдений из сумки
Y = oobPredict(B)
Y = oobPredict(B,Name,Value)
[Y,stdevs] = oobPredict(___)
[Y,scores] = oobPredict(___)
[Y,scores,stdevs] = oobPredict(___)
Y = oobPredict(B) вычисляет предсказанные ответы с помощью обученного мешконасыпателя B для наблюдений из сумки в обучающих данных. Выход имеет одно предсказание для каждого наблюдения в обучающих данных. Возвращенный Y является массивом ячеек из символьных векторов для классификации и числовым массивом для регрессии.
Y = oobPredict(B, задает дополнительные опции с помощью одного или обоих 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.
Для регрессии, [Y,stdevs] = oobPredict(___) также возвращает стандартные отклонения вычисленных ответов по ансамблю выращенных деревьев с помощью любой из комбинаций входных аргументов в предыдущих синтаксисах.
Для классификации, [Y,scores] = oobPredict(___) также возвращает музыку ко всем классам. scores матрица с одной строкой на наблюдение и одним столбцом в классе. Для каждого наблюдения из сумки и каждого класса, счет, сгенерированный каждым деревом, является вероятностью наблюдения, происходящего из класса, вычисленного как часть наблюдений за классом в древовидном листе. oobPredict составляет в среднем эти баллы по всем деревьям в ансамбле.
[Y,scores,stdevs] = oobPredict(___) 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.
oobPredict и predict так же предскажите классы и ответы.
В проблемах регрессии:
Для каждого наблюдения, которое является вне сумки по крайней мере для одного дерева, oobPredict составляет взвешенное среднее путем выбора ответов деревьев, в которых наблюдение вне сумки. Для этого расчета, 'TreeWeights' аргумент пары "имя-значение" задает веса.
Для каждого наблюдения, которое находится в сумке для всех деревьев, предсказанный ответ является взвешенным средним всех учебных ответов. Для этого расчета, W свойство TreeBagger модель (i.e., веса наблюдения), задают веса.
В проблемах классификации:
Для каждого наблюдения, которое является вне сумки по крайней мере для одного дерева, oobPredict составляет взвешенное среднее апостериорных вероятностей класса путем выбора деревьев, в которых наблюдение вне сумки. Следовательно, предсказанный класс является классом, соответствующим самому большому взвешенному среднему. Для этого расчета, 'TreeWeights' аргумент пары "имя-значение" задает веса.
Для каждого наблюдения, которое находится в сумке для всех деревьев, предсказанный класс является взвешенным, самым популярным классом по всем учебным ответам. Для этого расчета, W свойство TreeBagger модель (т.е. веса наблюдения) задает веса. Если существует несколько самых популярных классов, oobPredict считает тот перечисленным сначала в ClassNames свойство TreeBagger смоделируйте самое популярное.
