CategoricalPredictors

分类预测索引指定为正整数的向量。CategoricalPredictors包含与包含分类预测器的预测器数据列对应的索引值。如果没有预测器都是分类的，则此属性是空的（[]）。

Classnames.

中元素的列表y删除了重复项。Classnames.可以是数字向量、分类向量、逻辑向量、字符数组或字符向量的单元数组。Classnames.是否与参数中的数据具有相同的数据类型y。（该软件将字符串数组视为字符向量的单元格阵列。）

CombineWeights

描述如何的字符矢量奴隶结合弱学习权重，也可以结合“WeightedSum”或者“WeightedAverage”。

ExpandedPredictorNames

扩展的预测器名称，存储为字符向量的单元格数组。

如果模型使用对分类变量的编码，那么ExpandedPredictorNames包括描述扩展变量的名称。除此以外，ExpandedPredictorNames是相同的PredictorNames。

FitInfo.

拟合信息的数字数组。这Fitinfodescription.属性描述此阵列的内容。

Fitinfodescription.

描述含义的字符矢量FitInfo.大批。

Fresample.

数字标量0.和1。Fresample.是培训数据的一小部分fitcensemble.在构建集合时，随机重新采样。

HyperParameterOptimationResults.

超参数的交叉验证优化的描述，存储为a贝叶斯偏见对象或超参数和关联值表。否定的时候优化hyperParameters.名称 - 值对在创建时是非空的。价值取决于设置的设置HyperParameterOptimizationOptions.创建中的名称 - 值对：

方法

描述创造方法的字符矢量奴隶。

模特分析者

用于培训的参数奴隶。

麻木

培训的弱学习者数量奴隶，一个标量。

PredictorNames

预测变量名称的单元数组，按它们出现的顺序排列X。

原理

描述原因的字符矢量fitcensemble.停止向合奏添加弱的学习者。

代替

逻辑值指示组合是否接受替换（真的）或没有更换（错误的）。

ractraceame.

字符矢量与响应变量的名称y。

ScoreTransform

用于转换分数的功能手柄，或表示内置变换函数的字符矢量。'没有任何'意味着没有转型;同等，'没有任何'意味着@（x）x。有关内置转换功能列表和自定义转换功能的语法，请参阅fitctree。

添加或更改ScoreTransform使用点符号的函数:

ens.ScoreTransform = '功能'

或者

ens.ScoreTransform = @功能

训练有素的

训练有素的学习者，一系列紧凑型分类模型。

训练有素

弱学习者的训练权重的数字矢量奴隶。训练有素具有T.元素，在哪里T.是弱者的数量学习者。

Umeryobsforlearner.

逻辑矩阵大小N——- - - - - -麻木， 在哪里N是培训数据和培训数据的观察数麻木是训练有素的弱者学习者的数量。Useobsforlearner（i，j）是真的如果观察一世用于培训学习者j， 并且是错误的除此以外。

W.

按比例缩小的重量，向量的长度N.，输入的行数X。元素的总和W.是1。

X

训练集合的预测值的矩阵或表。每一列的X表示一个变量，每行代表一个观察。

y

一个分类阵列，字符向量，字符阵列，逻辑向量的单元阵列，或具有相同行数的数字矢量X。每一排y表示相应行的分类X。