这边缘是分类边缘的加权平均值。权重是类概率奴隶。事先的。

分类利润是分类之间的区别分数对于虚假类的真实类和最大分类分数。边缘是矩阵中相同行数量的列向量奴隶。X。

袋装，它代表“Bootstrap聚合”，是一种集合学习。为了在数据集上的决策树等弱学习者，fitcensemble.生成数据集的许多引导副本，并在这些副本上生长决策树。fitcensemble.随机选择获得每个引导副本N观察结果N用替代品，在哪里N是数据集大小。找到培训的合奏的预测响应，预测花费平均从个体树木预测。

画画N在......之外N替换观察平均省略37％（1 /E.）对每个决定树的观察。这些是“袋子外”观察。对于每个观察，oobloss.通过对该观察到袋子的集合中的所有树木的预测来估计袋袋预测。然后，将计算的预测与此观察的真实响应进行比较。它通过比较袋子外预测的响应来计算禁止袋误差，这是针对用于训练的所有观测的真实响应。这种袋子平均值是真正的集合错误的无偏估计。