主要内容

预测象征

预测因子对回归集合的重要性的估计值

在页面中扩展全部

句法

imp =预测象征（ENS）
[IMP，MA] =预测（ENS）

描述

小鬼= predictorimportance（ens）计算预测因子重要性的估计值ens通过将这些估计值概括为合奏中的所有弱学习者。小鬼在用于训练此合奏的数据中，每个输入预测变量都有一个元素。高价值表明该预测因子对ens。

[[小鬼，，，，嘛] =预测象征（ens）返回ap-经过-p矩阵具有相关性的预测度量p预测指标。

输入参数

ens

回归合奏，由fitrensemble，或通过袖珍的方法。

输出参数

小鬼

具有与预测变量数（列）相同的元素数量的行矢量ens。X。条目是预测指标重要性的估计值，0表示最小的重要性。

嘛

一个p-经过-p预测性衡量标准的矩阵p预测指标。元素马（i，j）是在预测器上对替代分裂平均的关联的预测度量j对于哪个预测指标我是最佳的拆分预测变量。预测象征平均合奏中所有树木的关联的预测度量。

例子

展开全部

打开实时脚本

估计数据中所有预测变量的预测重要性。

加载汽车舞数据集。

加载汽车舞

种植100棵回归树的合奏MPG使用加速度，，，，气缸，，，，移位，，，，马力，，，，model_year， 和重量作为预测指标。将树树桩指定为弱学习者。

x = [加速圆柱体位移马力型模型_year重量];t = Templatetree（'maxnumsplits'，1）;ens = fitrensemble（x，mpg，'方法'，，，，'lsboost'，，，，“学习者”，t）;

估计所有预测变量的预测重要性。

imp =预测象征（ENS）
imp =1×60.0150 0 0.0066 0.1111 0.0437 0.5181

重量，最后一个预测因子对里程的影响最大。第二个预测指标具有重要性0，这意味着圆柱体的数量对用ens。

打开实时脚本

估计数据中所有变量的预测重要性以及回归树合奏包含替代拆分的位置。

加载汽车舞数据集。

加载汽车舞

种植100棵回归树的合奏MPG使用加速度，，，，气缸，，，，移位，，，，马力，，，，model_year， 和重量作为预测指标。将树树桩指定为弱学习者，并确定替代分裂。

x = [加速圆柱体位移马力型模型_year重量];t = Templatetree（'maxnumsplits'，1，“代理”，，，，'上'）；ens = fitrensemble（x，mpg，'方法'，，，，'lsboost'，，，，“学习者”，t）;

估计所有预测变量的相关性的预测重要性和预测度量。

[IMP，MA] =预测（ENS）
imp =1×60.2141 0.3798 0.4369 0.6498 0.3728 0.5700
ma =6×61.0000 0.0098 0.0102 0.0098 0.0033 0.0067 0 1.0000 0 0 0 0 0.0056 0.0084 1.0000 0.0078 0.0022 0.0084 0.3537 0.4769 0.5834 1.0000 0.1612 0.5827 0.0061 0.0070 0.0063 0.0064 1.0000 0.0056 0.0154 0.0296 0.0533 0.0447 0.0070 1.0000

比较小鬼结果估计预测指标的重要性，，，，马力对里程的影响最大，重量具有第二大影响。

更多关于

展开全部

算法

元素马（i，j）是在预测器上对替代分裂平均的关联的预测度量j对于哪个预测指标一世是最佳的拆分预测变量。通过求和预测器上的最佳分割的相关性预测度量的正值来计算该平均值一世并在预测器上替代拆分j并除以预测变量的最佳拆分总数一世，包括拆分预测指标之间关联的预测度量一世和j负面。

扩展功能

也可以看看

||

话题