文档帮助中心
分类树中代理项分裂关联的均值预测测度
ma=代理关系(树)马= surrogateAssociation(树,N)
马= surrogateAssociation (树)返回中预测因子的关联预测度量矩阵树.
马= surrogateAssociation (树)
马
树
马= surrogateAssociation (树,N)返回向量中节点上平均的关联预测度量矩阵N.
马= surrogateAssociation (树,N)
N
一种基于遗传算法构造的分类树菲茨特里,或构造的紧凑回归树紧凑的.
菲茨特里
紧凑的
网络中节点数的向量树.
ma=代理关系(树)返回一个P-借-P矩阵,P是中预测值的数量树.硕士(i, j)是关联预测测度在变量之间进行最优分割我以及变量上的代理分割J.有关详细信息,请参见算法.
ma=代理关系(树)
P
硕士(i, j)
我
J
马= surrogateAssociation(树,N)返回一个P-借-P表示在向量中节点上平均的变量之间关联的预测度量N.N包含1.到最大值(树节点).
马= surrogateAssociation(树,N)
1.
最大值(树节点)
全部展开
载入费雪的虹膜数据集。
负载鱼腥草
使用种作为响应。指定对缺少的值使用代理项拆分。
种
树木=设施(MEA、物种、,“代理”,“开”);
找出预测变量之间关联的平均预测度量。
妈=4×40.4633 0.2500 1.0000 0.5000 0.2065 0.1413 0.4022 1.0000
求中奇数节点上关联平均的平均预测测度树.
N=1:2:tree.NumNodes;ma=代理关联(tree,N)
妈=4×41.0000 0000 1.0000 00 0.7600 0.5000 1.0000 1.0000 0.4130 0.2826 0.8043 1.0000
这个关联预测测度是一个值,表示分割观测值的决策规则之间的相似性。在所有可能的决策分割中,与最佳分割(通过树的生长找到)进行比较的,最佳的代理决定分手产生最大的关联预测度量。第二好的代理分裂具有第二好的关联预测指标。
认为xJ和xK是预测变量J和K,及J≠K.在节点处T,最优分割之间关联的预测度量xJ<U和一个代理分离xK<v是
λ J K = 闵 ( P L , P R ) − ( 1. − P L J L K − P R J R K ) 闵 ( P L , P R ) .
PL是节点中观察值的比例T,以致xJ<U.下标L表示节点的左子节点T.
PR是节点中观察值的比例T,以致xJ≥U.下标R表示节点的右侧子节点T.
P L J L K 是节点上的观察值的比例T,以致xJ<U和xK<v.
P R J R K 是节点上的观察值的比例T,以致xJ≥U和xK≥v.
缺失值的观测值xJ或xK不要参与比例计算。
λjk是(–)中的值∞,1] .如果λjk> 0然后xK<v这是一个值得分割的代理xJ<U.
A.代理决定分手是决策树中给定节点处最优决策拆分的替代方案。通过树的生长找到最优分割;代理项拆分使用类似或相关的预测变量和拆分标准。
当观测的最佳分割预测器的值丢失时,使用最佳代理预测器将观测发送到左侧或右侧子节点。当观测的最佳代理项拆分预测器的值也丢失时,将使用次优代理项预测器将观测发送到左侧或右侧子节点,依此类推。候选拆分按其大小按降序排序关联预测测度.
要素硕士(i, j)关联的预测测度是否在预测因子上的代理分割上平均J的预测我是最佳分割预测值。该平均值是通过将关联预测测度的正值与预测器上的最优分割求和来计算的我预测器上的代理分裂J然后除以预测器上最优分割的总数我,包括预测因子之间关联的预测度量的拆分我和J答案是否定的。
ClassificationTree|菲茨特里
ClassificationTree
您的系统上存在此示例的修改版本。是否改为打开此版本?
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处