CompactRegressionEnsemble
包：classreg.learning.regr
紧凑型回归集成类
描述
一个回归集成的紧凑型（类RegressionEnsemble）。紧凑的版本不包括用于训练回归集成的数据。因此，你不能用一个紧凑的回归集成执行某些任务，如交叉验证。使用紧凑回归集成进行预测（回归）的新数据。
施工
ENS=紧凑（fullEns）
输入参数
|
通过创建一个回归集成 |
属性
|
分类预测指标，指定为正整数的向量。 |
|
描述合奏联合机如何学习者预测的字符向量。 |
|
扩展预测器的名称，存储作为字符向量的单元阵列。 如果编码分类变量，那么该模型的用途 |
|
在合奏，一个积极的标量训练的学生的数量。 |
|
预测变量名称的单元阵列，在该命令在它们出现在 |
|
与响应变量的名称的字符向量 |
|
转化分数，或特征向量代表一个内置的转换功能函数句柄。 添加或更改 ens.ResponseTransform = @功能 |
|
训练有素的学生，紧凑的回归模型的一个单元阵列。 |
|
的数值向量权重合奏受让人其学习者。该合奏单位计算预测通过从它的学习者聚集加权预测响应。 |
方法
| 失利 | 回归错误 |
| 预测 | 使用预测回归模型的整体响应 |
| predictorImportance | 预测的重要性估计回归集成 |
| removeLearners | 紧凑回归集成的删除成员 |
复制语义
值。要了解值类如何影响复制操作，请参阅复制对象（MATLAB）。
例子
减少回归集成的尺寸
创建一个紧凑的回归集成高效地制作新的数据预测。
加载carsmall数据集。想想看，说明了汽车的燃油经济模型（MPG使用其重量（）重量）和（气缸数气瓶）。
加载carsmallX = [重量缸];Y = MPG;
列车采用100个回归树boosted整体LSBoost。指定气瓶是分类变量。
MDL = fitrensemble（X，Y，'PredictorNames'{'W'，'C'}，...'CategoricalPredictors'，2）
MDL = classreg.learning.regr.RegressionEnsemble PredictorNames：{ 'W' 'C'} ResponseName： 'Y' CategoricalPredictors：2 ResponseTransform： '无' NumObservations：94 NumTrained：100方法： 'LSBoost' LearnerNames：{ '树'}ReasonForTermination：“在完成训练周期的请求数量后，正常终止。”FitInfo：[100X1双] FitInfoDescription：{2×1细胞}正则化：[]的属性，方法
MDL是RegressionEnsemble包含训练数据，除其他事项外模型对象。
创建的压缩版本MDL。
CMDL =紧凑（MDL）
CMDL = classreg.learning.regr.CompactRegressionEnsemble PredictorNames：{ 'W' 'C'} ResponseName： 'Y' CategoricalPredictors：2 ResponseTransform： '无' NumTrained：100的属性，方法
CMDL是CompactRegressionEnsemble模型对象。CMDL几乎是一样的MDL。一个例外是，CMDL不存储训练数据。
比较的空间被消耗的量MDL和CMDL。
mdlInfo =卫生组织（“铜牌”）;cMdlInfo =卫生组织（'CMDL'）;[mdlInfo.bytes cMdlInfo.bytes]
ANS =1×2497305 472380
MDL消耗比更大的空间CMDL。
CMdl.Trained存储受训回归树（CompactRegresionTree模型对象）的撰写MDL。
显示在紧凑合奏第一树的曲线图。
视图（CMdl.Trained {1}，'模式'，'图形'）;
默认，fitrensemble对于生长树木的提振合奏浅的树木。
预测使用小型合奏典型的汽车的燃油经济性。
typicalX = [平均（X（：，1））模式（X（：，2））];predMeanX =预测（CMDL，typicalX）
predMeanX = 26.2520
提示
对于回归树的紧凑合奏时，熟练财产ENS存储的小区矢量ens.NumTrainedCompactRegressionTree模型对象。对于树的文本或图形显示Ť在细胞载体上，输入
视图（ens.Trained {Ť}）
扩展功能
介绍了在R2011a
您还可以选择从下面的列表中的网站：
