预测响应使用包决策树集成- MATLAB - 万博1manbetx,s manbetx 845,万博尤文图斯

语法

YFIT =预测（B，X） Yfit =预测(B, X,名称,值) [Yfit,方差]=预测(＿＿＿） [YFIT，得分] =预测（＿＿＿） [Yfit,分数,方差)=预测(＿＿＿）

YFIT =预测（B，X）返回表或矩阵中预测器数据的预测响应向量X，基于袋装决策树的紧凑集成B．Yfit是用于分类的字符向量的单元格阵列和用于回归的数字数组。默认情况下，预测从集合中的所有树中进行民主(非加权)平均投票。

B是一个培训CompactTreeBagger方法返回的模型袖珍的．

X是用于产生响应的预测数据的表格或矩阵。行表示观察值，列表示变量。

如果X是一个数值矩阵:
- 组成列的变量X必须具有与培训的预测变量相同的顺序B．
- 如果你训练B使用表(例如，TBL.),然后X可以是一个数字矩阵，如果TBL.包含所有数值预测变量。处理数值预测TBL.作为培训期间的分类，使用该识别分类预测器CategoricalPredictors名称 - 值对参数TreeBagger．如果TBL.包含异构预测变量(例如，数字和分类数据类型)和X是一个数值矩阵，那么预测抛出一个错误。
如果X是一个表:
- 预测不支持字符向量的单万博1manbetx元格阵列以外的多色变量或单元格阵列。
- 如果你训练B使用表(例如，TBL.)，然后所有预测变量X必须具有相同的变量名称，并且与培训的数据类型相同B（存储在B.predictornames.）.但是，列顺序X不需要对应的列顺序TBL.．TBL.和X可以包含其他变量（响应变量，观察权重等），但是预测忽略了它们。
- 如果你训练B使用一个数字矩阵，然后预测器命名B.predictornames.和相应的预测变量名X肯定是一样的。要在训练期间指定预测器名称，请参见预测的人名称 - 值对参数TreeBagger．所有预测因子变量X必须是数字向量。X可以包含其他变量（响应变量，观察权重等），但是预测忽略了它们。

YFIT =预测（B，X，名称,值）使用一个或多个名称-值对参数指定其他选项:

'树木'-用于计算响应的树索引数组。默认值是“所有”．
“TreeWeights”数组的NTrees权重用于从指定的树中对投票进行加权，其中NTrees为集合中树的数量。
'umermstancefortree'- 逻辑矩阵大小谈判-经过-NTrees指示用哪棵树来预测每个观测结果，在哪里谈判为观察次数。默认情况下，所有的树都用于所有的观察。

对于回归,[Yfit,方差]=预测(＿＿＿）还使用先前语法中的任何输入参数组合返回计算响应的标准偏差。

分类，[YFIT，得分] =预测（＿＿＿）也返回所有类的分数。得分是一个矩阵，每个观察值有一行，每个类有一列。对于每个观察和每个类，每棵树生成的分数是该观察来自该类的概率，计算为该类观察在一片树叶中的比例。预测平均分数在集合中的所有树木上。

[Yfit,分数,方差)=预测(＿＿＿）还返回用于分类的计算分数的标准偏差。方差是一个矩阵，每个观察值有一行，每个类有一列，用标准偏差代替已生长树木的集合。