包:classreg.learning.regr
超类:CompactRegressionEnsemble
乐团回归
RegressionEnsemble
结合了一组训练过的弱学习者模型和这些学习者被训练的数据。它可以通过对其弱学习者的预测进行聚合来预测新数据的整体响应。
使用创建回归集成对象fitrensemble
。
|
为数值谓词指定的单元格数组的Bin边缘p数值向量,p是预测者的数量。每个向量包括数值预测器的bin边。分类预测器的单元数组中的元素为空,因为软件不存储分类预测器。 该软件只装仓如果指定的数值预测 您可以重新生成已丢弃的预测器数据 X = mdl.X;%预测数据Xbinned = 0(大小(X));边缘= mdl.BinEdges;%找到被丢弃的预测指标。idxNumeric =找到(~ cellfun (@isempty边缘));if iscolumn(idxNumeric) idxNumeric = idxNumeric';idxNumeric x = x (:,j);%将x转换为数组,如果x是一个表。如果istable(x) x = table2array(x);方法将x组结束放入箱子中。
Xbinned 包含二进制位索引,取值范围为1到箱柜的数目,对于数值预测因子。Xbinned 对于分类谓词,值为0。如果X 包含南 s,则相应Xbinned 值南 年代。 |
|
直言预测指标,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。 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型对分类变量使用编码,则 |
|
的配合信息的数字数组。的 |
|
描述的含义的字符向量 |
|
字符向量的单元阵列与在合奏弱学习的名称。每个学习者的名称出现一次。举例来说,如果你有100棵树的合奏, |
|
超参数的交叉验证优化描述,存储为
|
|
一个字符向量的算法名称 |
|
训练中使用的参数 |
|
包含训练数据中观察值的数量的数值标量。 |
|
在集合中受过训练的学习者的数量,一个正标量。 |
|
预测变量名称的单元阵列,在该命令在它们出现在 |
|
描述原因的字符向量 |
|
|
|
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。 |
|
集合分配给学习者的权重的数值向量。该集成通过聚合来自其学习者的加权预测来计算预测响应。 |
|
缩放 |
|
训练集成的预测值矩阵或表。每一列的 |
|
具有相同数量的行作为数字列向量 |
紧凑 | 创建紧凑的回归集成 |
crossval | 交叉验证合奏 |
cvshrink | 交叉验证收缩(修剪)集成 |
规范 | 找出权重,使重新替换误差和惩罚项最小 |
resubLoss | 通过resubstitution回归错误 |
resubPredict | 预测通过resubstitution合奏的响应 |
的简历 | 恢复训练合奏 |
缩小 | 修剪合奏 |
失利 | 回归误差 |
预测 | 使用回归模型的集合预测反应 |
predictorImportance | 估计回归集成预测器的重要性 |
removeLearners | 删除紧凑回归集成的成员 |
值。要了解值类如何影响复制操作,请参阅复制对象(MATLAB)。
对于回归树的集合中,熟练
属性包含的单元格向量ens.NumTrained
CompactRegressionTree
模型对象。对于树的文本或图形显示t
在细胞载体上,输入
视图(ens.Trained {t})
ClassificationEnsemble
|CompactRegressionEnsemble
|fitrensemble
|plotPartialDependence
|templateTree
|视图