预测

使用回归模型的集合来预测响应

展开所有页面

句法

X Yfit =预测(Mdl)

YFIT =预测（MDL，x，名称，值）

Yfit=预测(Mdl那X）返回对表或矩阵中的预测器数据的预测响应X，基于回归集成模型Mdl。

Yfit=预测(Mdl那X那名称,值）使用由一个或多个指定的附加选项名称,值对参数。

Mdl

回归合奏创建的fitrensemble，或者是紧凑的方法。

X

用于生成响应的预测数据，指定为数字矩阵或表。

每一排X对应一个观察结果，每一列对应一个变量。

对于数字矩阵：
- 构成列的变量X必须有与训练的预测变量相同的顺序吗Mdl。
- 如果你训练Mdl使用表格（例如，资源描述),然后X可以是一个数字矩阵资源描述包含所有数值预测变量。中处理数字预测器资源描述作为分类训练期间，识别分类预测器使用CategoricalPredictors的名称-值对参数fitrensemble。如果资源描述包含异构的预测变量（例如，数字和分类数据类型）和X是一个数字矩阵，然后预测抛出错误。
一个表:
- 预测除字符向量的单元格万博1manbetx数组外，不支持多列变量或单元格数组。
- 如果你训练Mdl使用表格（例如，资源描述)，然后输入所有预测变量X必须具有与培训的变量名称和数据类型相同Mdl(存储在Mdl。PredictorNames)。但是，列的顺序X不需要对应于列顺序资源描述。资源描述和X可以包含额外的变量(响应变量，观察权重等)，但是预测忽略它们。
- 如果你训练Mdl使用一个数字矩阵，然后预测器名称Mdl。PredictorNames和相应的预测变量名称X必须是一样的。要在培训期间指定预测器名称，请参阅PredictorNames的名称-值对参数fitrensemble。所有预测变量X必须是数字向量。X可以包含额外的变量(响应变量，观察权重等)，但是预测忽略它们。

指定可选的逗号分离对名称,值参数。名称是参数名称和价值是对应的值。名称必须出现在引号内。您可以按如下顺序指定几个名称和值对参数Name1, Value1,…,的家。

'学习者'

在合奏中的弱学习者指数1至麻木,在那里麻木是弱学习者的数量。

默认：1: NumTrained

'fumerobsforlearner'

大小的逻辑矩阵N——- - - - - -麻木,在那里N是观察人数X,麻木是弱学习者的数量。当Useobsforlearner（i，j）是真正的那预测使用学习者j在预测观察中一世。

默认：真正的(N, NumTrained)

Yfit

行数相同的数字列向量tbldata.或xdata.。每一排Yfit给出预测对应行的响应tbldata.或xdata.，基于奴隶回归模型。

打开生活的脚本

找到基于回归乐队培训的汽车预测的里程carsmall数据。

加载carsmall数据集和选择汽缸数，发动机排量，马力和车辆重量作为预测。

加载carsmallx = [气瓶位移马力重量];

培训回归树的集合和预测MPG.四缸汽车，200立方英寸发动机排量，150马力，重3000磅。

任正非= fitrensemble (X, MPG);里程=预测(汽笛，[4 200 150 3000])

里程= 25.6467

将Ensemble的预测集成到Simulink中万博1manbetx^®，你可以使用回归预测块中的统计和机器学习工具箱™库或MATLAB^®函数块预测函数。有关示例,请参见使用回归预测块预测响应和用MATLAB函数块预测类标签。

当决定使用哪种方法时，请考虑以下几点:

此功能完全支持高阵列。万博1manbetx有关更多信息，请参阅高阵列。

用法说明和限制:

使用saveLearnerForCoder那loadlearnerforcoder.,Codegen.(MATLAB编码器)为此生成代码预测函数。使用培训模型saveLearnerForCoder。定义一个入口点函数，通过使用来加载保存的模型loadlearnerforcoder.并调用预测函数。然后使用Codegen.为入口点函数生成代码。
要为predict生成单精度C/ c++代码，请指定name-value参数'dataType'，'single'当你打电话的时候loadlearnerforcoder.函数。
您还可以生成固定点C / C ++代码预测。固定点代码生成需要一个附加步骤，该步骤定义预测所需的变量的定点数据类型。通过使用通过使用固定点数据类型结构数据类型的函数由generateLearnerDataTypeFcn，并使用该结构作为输入参数loadlearnerforcoder.在一个入学点函数中。生成固定点C / C ++代码需要Matlab Coder™和定点设计师™。
生成固定点代码预测包括为单个学习者传播数据类型，因此可能很耗时。

此表包含有关参数的说明预测。未包含在此表中的参数完全支持。万博1manbetx

论点	笔记和局限性
`Mdl`	有关模型对象的使用说明和限制，请参见代码生成的`compactregressionensemble.`对象。
`X`	对于一般的代码生成，`X`必须是单精度或双精度矩阵或包含数字变量，分类变量或两者的表。对于定点代码生成，`X`必须是一个定点矩阵。中的行数或观察值`X`可以是可变大小的，但列数在`X`必须是固定的。如果你想指定`X`作为表格，那么必须使用表培训您的模型，并且您的预测的入口点函数必须：接受数据作为阵列。根据数据输入参数创建一个表，并在表中指定变量名。将表格传递给`预测`。有关此表工作流的示例，请参阅生成代码以在表中对数据进行分类。有关在代码生成中使用表的更多信息，请参见表格的代码(MATLAB编码器)和代码生成的表限制(MATLAB编码器)。
名称-值对的观点	名称-值对参数中的名称必须是编译时常量。例如，在生成的代码中允许最多5个弱学习者的用户定义索引，包括`{编码器.Constant（'Leakyers'），Coder.typeof（0，[1,5]，[0,1]）}`在`- args.`的价值`Codegen.`(MATLAB编码器)。
`'学习者'`	对于固定点代码生成，`'学习者'`Value的数据类型必须为整数。