使用决策树集成对观测结果进行分类
统计和机器学习工具箱/分类
的ClassificationEnsemble预测Block使用决策树集合(ClassificationEnsemble
,ClassificationBaggedEnsemble
,或CompactClassificationEnsemble
)作多类别分类。
通过指定包含该对象的工作区变量的名称,将经过训练的分类对象导入到块中。输入端口x接收一个观察(预测器数据)和输出端口标签为观察结果返回预测的类标签。您可以添加一个可选的输出端口分数即预测的班级分数或后验概率。
x
——预测数据预测器数据,指定为一个观测的列向量或行向量。
中的变量x必须与训练模型的预测变量具有相同的顺序选择训练好的机器学习模型
.
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
标签
-预测的类标签预测的类标号,作为标量返回。被预测的班级为得分最高的班级。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
|枚举
分数
-预测班级分数或后验概率预测的类分数或后验概率,作为大小为1-的行向量返回k,在那里k是树模型中的类的数量。
要查看类的顺序,请使用一会
指定的树模型的选择训练好的机器学习模型
.
要启用该端口,请选中为预测的班级分数添加输出端口
在主要页签的“块参数”对话框。
分类评分值的定义和范围依赖于集成聚合方法。属性指定集成聚合方法“方法”
名称-值参数fitcensemble
在训练集合模型时。具体操作请参见更多关于部分的预测
函数引用页面。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
选择训练好的机器学习模型
-分类集成模型ensMdl
(默认)|ClassificationEnsemble
对象|ClassificationBaggedEnsemble
对象|CompactClassificationEnsemble
对象指定工作区变量的名称,该变量包含ClassificationEnsemble
对象,ClassificationBaggedEnsemble
对象,或CompactClassificationEnsemble
对象。
当你用fitcensemble
,适用以下限制:
你必须使用树型弱学习者来训练集合。
预测数据不能包括分类预测(逻辑
,分类
,字符
,字符串
,或细胞
).如果在表中提供培训数据,则预测器必须为数字(双
或单
).也不能使用“CategoricalPredictors”
名称-值参数。要在模型中包含分类预测器,可以使用dummyvar
在拟合模型之前。
的价值“ScoreTransform”
名称-值参数不能是“invlogit”
或者匿名函数。
不能对树弱学习者使用代理分割,即“代孕”
名称-值参数必须为“关闭”
(默认)定义树型弱学习者时使用templateTree
函数。
块参数:TrainedLearner |
类型:工作空间变量 |
价值观:ClassificationEnsemble 对象|ClassificationBaggedEnsemble 对象|CompactClassificationEnsemble 对象 |
默认值:“ensMdl” |
为预测的班级分数添加输出端口
—添加第二个输出端口用于预测班级分数从
(默认)|在
选择复选框以包含第二个输出端口分数在ClassificationEnsemble预测块。
块参数:ShowOutputScore |
类型:特征向量 |
价值观:”从“|”“ |
默认值:“关闭” |
整数舍入模式
-定点操作的舍入模式地板上
(默认)|天花板
|收敛
|最近的
|轮
|简单的
|零
为定点操作指定舍入模式。有关更多信息,请参见舍入(定点设计师).
块参数总是四舍五入到最接近的可表示值。为了控制块参数的四舍五入,使用MATLAB输入一个表达式®入掩码字段的舍入函数。
块参数:RndMeth |
类型:特征向量 |
价值观:'Ceiling' | 'Convergent' | 'Floor' | '最接近' | 'Round' | '最简单' | 'Zero' |
默认值:“地板” |
使整数溢出饱和
-溢出动作的方法从
(默认)|在
指定溢出是否饱和或缠绕。
行动 | 基本原理 | 对溢出的影响 | 例子 |
---|---|---|---|
选中此复选框( |
您的模型可能存在溢出,您希望在生成的代码中提供显式的饱和保护。 |
溢出饱和到数据类型可以表示的最小值或最大值。 |
最大的值 |
清除此复选框( |
您希望优化生成代码的效率。 您希望避免过度指定块如何处理超出范围的信号。有关更多信息,请参见排除信号范围错误(万博1manbetx模型). |
溢出封装到数据类型可以表示的适当值。 |
最大的值 |
块参数:SaturateOnIntegerOverflow |
类型:特征向量 |
价值观:”从“|”“ |
默认值:“关闭” |
针对定点工具的更改锁定输出数据类型设置
—防止定点工具覆盖数据类型从
(默认)|在
选择此参数以防止定点工具覆盖为块指定的数据类型。有关更多信息,请参见使用锁定输出数据类型设置(定点设计师).
块参数:LockScale |
类型:特征向量 |
价值观:”从“|”“ |
默认值:“关闭” |
标签数据类型
—标签输出的数据类型继承:通过反向传播继承
|继承:汽车
|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|枚举:<类名>
|<数据类型>表达
的数据类型标签输出。类型可以继承、指定为枚举数据类型或表示为数据类型对象,例如万博1manbetx仿真软件。NumericType
.
当您选择一个继承的选项时,软件的行为如下:
继承:通过反向传播继承
(默认为数字和逻辑标签)- Simulink自动确定万博1manbetx标签数据类型在数据类型传播期间块的数据类型传播(万博1manbetx模型)).在这种情况下,块使用下游块或信号对象的数据类型。
继承:汽车
(默认为非数字标签)-块使用一个自定义的枚举数据类型变量。例如,假设工作区变量名由选择训练好的机器学习模型
是myMdl
,类标签为类1
和二班
.然后,相应的标签值是myMdl_enumLabels.class_1
和myMdl_enumLabels.class_2
.代码块将类标签转换为有效的MATLAB标识符matlab.lang.makeValidName
函数。
有关数据类型的更多信息,请参见控制信号数据类型(万博1manbetx模型).
单击显示数据类型助手按钮来显示数据类型的助理,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(万博1manbetx模型).
所支持的万博1manbetx数据类型依赖于模型中使用的标签选择训练好的机器学习模型
.
如果模型使用数字或逻辑标签,则支持的数据类型为万博1manbetx继承:通过反向传播继承
(默认),双
,单
,一半
,int8
,uint8
,int16
,uint16
,int32
,uint32
,int64
,uint64
,布尔
、固定点和数据类型对象。
如果模型使用非数字标签,则支持的数据类型为万博1manbetx继承:汽车
(默认),枚举:<类名>
,以及一个数据类型对象。
块参数:LabelDataTypeStr |
类型:特征向量 |
值:'继承:通过反向传播继承' |“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |“枚举:<类名>” |“< >数据类型表达” |
默认的:'继承:通过反向传播继承' (用于数字和逻辑标签)|“继承:汽车” (非数字标签) |
标签最低
—范围检查时标签输出的最小值[]
(默认)|标量的较低值标签Simulink的输出范围万博1manbetx®检查。
万博1manbetxSimulink使用最小值执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的标签最低参数不饱和或剪辑实际标签输出信号。使用饱和(万博1manbetx模型)块来代替。
只有当指定的模型为选择训练好的机器学习模型
使用数字标签。
块参数:LabelOutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
标签最大
—范围检查的标签输出最大值[]
(默认)|标量的上值标签Simulink检查的输出范围。万博1manbetx
万博1manbetxSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的标签最大参数不饱和或剪辑实际标签输出信号。使用饱和(万博1manbetx模型)块来代替。
只有当指定的模型为选择训练好的机器学习模型
使用数字标签。
块参数:LabelOutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
分数数据类型
—评分输出数据类型继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型>表达
的数据类型分数输出。类型可以继承、直接指定或表示为数据类型对象,例如万博1manbetx仿真软件。NumericType
.
当您选择继承:汽车
,则块使用继承数据类型的规则。
有关数据类型的更多信息,请参见控制信号数据类型(万博1manbetx模型).
单击显示数据类型助手按钮来显示数据类型的助理,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(万博1manbetx模型).
块参数:ScoreDataTypeStr |
类型:特征向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |“< >数据类型表达” |
默认的:“继承:汽车” |
分数最低
—范围检查的最小分数输出值[]
(默认)|标量的较低值分数Simulink检查的输出范围。万博1manbetx
万博1manbetxSimulink使用最小值执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的分数最低参数不饱和或剪辑实际分数信号。使用饱和(万博1manbetx模型)块来代替。
块参数:ScoreOutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
得分最高
—范围检查的最大分数输出值[]
(默认)|标量的上值分数Simulink检查的输出范围。万博1manbetx
万博1manbetxSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的得分最高参数不饱和或剪辑实际分数信号。使用饱和(万博1manbetx模型)块来代替。
块参数:ScoreOutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
原始分数数据类型
—未转换的分数数据类型继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|布尔
|<数据类型>表达
为内部未转换的分数指定数据类型。类型可以继承、直接指定或表示为数据类型对象,例如万博1manbetx仿真软件。NumericType
.
当您选择继承:汽车
,则块使用继承数据类型的规则。
有关数据类型的更多信息,请参见控制信号数据类型(万博1manbetx模型).
单击显示数据类型助手按钮来显示数据类型的助理,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(万博1manbetx模型).
只有当指定的模型为选择训练好的机器学习模型
使用一个分数转换“没有”
(默认,一样“身份”
).
属性可以更改分数转换选项“ScoreTransform”
名称-值参数,或通过更改ScoreTransform
培训后财产。
块参数:RawScoreDataTypeStr |
类型:特征向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |“< >数据类型表达” |
默认的:“继承:汽车” |
原始分数最低
- range检查的最小未转换分数[]
(默认)|标量Simulink检查的未转换分数范围的较低值。万博1manbetx
万博1manbetxSimulink使用最小值执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的原始分数最低参数不会使实际未转换的分数信号饱和或剪辑。
块参数:RawScoreOutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
原始分数最高
- range检查的最大未转换分数[]
(默认)|标量Simulink检查的未转换分数范围的上限。万博1manbetx
万博1manbetxSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的原始分数最高参数不会使实际未转换的分数信号饱和或剪辑。
块参数:RawScoreOutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
弱学习者数据类型
-弱学习者输出的数据类型继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型>表达
为弱学习者的输出指定数据类型。类型可以继承、直接指定或表示为数据类型对象,例如万博1manbetx仿真软件。NumericType
.
当您选择继承:汽车
,则块使用继承数据类型的规则。
有关数据类型的更多信息,请参见控制信号数据类型(万博1manbetx模型).
单击显示数据类型助手按钮来显示数据类型的助理,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(万博1manbetx模型).
块参数:WeakLearnerDataTypeStr |
类型:特征向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |“< >数据类型表达” |
默认的:“继承:汽车” |
弱学习者最低
-用于范围检查的弱学习者输出的最小值[]
(默认)|标量Simulink检查的弱学习输出范围的较低值。万博1manbetx
万博1manbetxSimulink使用最小值执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的弱学习者最低参数不饱和或剪辑实际的弱学习者输出信号。
块参数:WeakLearnerOutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
弱学习者最大
-用于范围检查的弱学习输出的最大值[]
(默认)|标量Simulink检查的弱学习输出范围的上限。万博1manbetx
万博1manbetxSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(万博1manbetx模型))。
定点数据类型的自动伸缩。
优化您从模型生成的代码。这种优化可以去除算法代码,并影响一些仿真模式的结果,如SIL或外部模式。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码).
请注意
的弱学习者最大参数不饱和或剪辑实际的弱学习者输出信号。
块参数:WeakLearnerOutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
数据类型 |
|
直接引线 |
|
多维信号 |
|
适应信号 |
|
讨论二阶导数过零检测 |
|
你可以使用MATLAB函数块与预测
决策树集合的目标函数(ClassificationEnsemble
,ClassificationBaggedEnsemble
,或CompactClassificationEnsemble
).例如,请参见用MATLAB函数块预测类标签.
当决定是否使用ClassificationEnsemble预测在统计和机器学习工具箱™库或MATLAB函数块与预测
功能,考虑以下:
如果使用“统计和机器学习工具箱”库块,则可以使用定点的工具(定点设计师)将浮点模型转换为固定点模型。
万博1manbetx变量的MATLAB函数块必须支持可变大小的数组预测
函数。
如果您使用MATLAB函数块,您可以使用MATLAB函数在相同的MATLAB函数块中进行预测之前或之后的预处理或后处理。
您点击了一个对应于这个MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。