收缩

西梅合奏

扩大所有页面

句法

CMP =收缩（ENS） CMP =收缩（ENS，名称，值）

CMP=收缩（ENS）返回的精简版本萎缩ENS中，正则系综。CMP仅保留具有超过阈值的权重的学习者。

CMP=收缩（ENS，名称，值）返回具有附加的选项的一个或多个指定的系综名称，值对参数。您可以按照任何顺序指定多个名称 - 值对参数名1，值1，...，NameN，值N。

ENS

与创建的回归集成fitrensemble。

指定可选的用逗号分隔的对名称，值参数。名称是参数的名称和值是对应的值。名称必须出现引号内。您可以按照任何顺序指定多个名称和值对参数名1，值1，...，NameN，值N。

“拉姆达”

对于套索非负转正的参数值的向量。如果ENS.Regularization不为空（填充它与正规化）收缩规则化ENS运用拉姆达。如果ENS包含正则结构，你不能传递拉姆达。

默认：[]

'阈'

低端截止上权重弱学习，数字非负标量。收缩创建CMP从与上述重量那些学习者阈。

默认：0

'weightcolumn'

的列索引ENS.Regularization.TrainedWeights，一个正整数。收缩创建CMP与此列学习者的权重。

默认：1

CMP

类的回归集成CompactRegressionEnsemble。用CMP进行预测时完全按照自己的使用ENS与预测方法。

收缩订单成员CMP从最大到最小。

开立真实脚本

缩300构件袋装回归集成，并查看生成集合的成员的数目。

生成样本数据。

X =兰特（2000,20）;Y = repmat（-1,2000,1）;Y（总和（X（：，1：5），2）> 2.5）= 1;

使用收缩300构件袋装回归集成0.1该参数拉姆达。

袋= fitrensemble（X，Y，'方法'，'袋'，'NumLearningCycles'，300）;CMP =收缩（袋，“拉姆达”，0.1）;

考虑到所得到乐团成员的数量。

cmp.NumTrained

ANS = 77

下载电子书