由自举聚合生长的决策树的紧凑集成
CompactTreeBagger
类是一个轻量级类,它包含使用TreeBagger
.CompactTreeBagger
没有保存任何关于如何TreeBagger
种植决策树。它不包含用于树木生长的输入数据,也不包含训练参数,如最小叶子大小或为每个随机决策分裂所采样的变量数量。你只能使用CompactTreeBagger
用于预测给定新数据的训练集合的响应X
,及其他相关功能。
CompactTreeBagger
允许您将训练过的集成保存到磁盘,或以任何其他方式使用它,同时丢弃与预测完全成熟的集成的响应无关的训练数据和训练配置的各种参数。这减少了存储和内存需求,特别是对于在大型数据集上训练的集成。
CompactTreeBagger | 创建CompactTreeBagger 对象 |
的紧凑版本CMdl
=紧凑(Mdl
)Mdl
,一个TreeBagger
模型对象。你可以用CMdl
就像你可以用的那样Mdl
.然而,由于CMdl
如果不包含训练数据,则无法执行某些操作,例如使用oobPredict
.
结合 |
结合两个乐团 |
错误 |
误差(误分类概率或MSE) |
保证金 |
分类保证金 |
mdsprox |
接近矩阵的多维尺度 |
meanMargin |
意思是分类保证金 |
outlierMeasure |
数据的离群值测量 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
预测 |
使用袋装决策树预测响应 |
接近 |
数据邻近矩阵 |
setDefaultYfit |
设置默认值预测 |
|
的 |
|
的 对于分类,可以将此属性设置为 对于回归,可以将此属性设置为任何数值标量。默认值是训练数据响应的平均值。 |
|
的 |
|
的 |
|
的 |
|
的 |
|
的 |
|
的 |
|
的 |
价值。要了解这如何影响您对类的使用,请参见比较句柄类和值类在MATLAB®面向对象编程的文档。
的树
的属性CMdl
存储的细胞载体CMdl。NumTrees
CompactClassificationTree
或CompactRegressionTree
模型对象。用于树的文本或图形显示t
在细胞载体中,输入
视图(CMdl。树木{t})