回归树
决策树与回归二元分割。类的目的RegressionTree
可以预测随着新数据的反应预测
方法。该对象包含用于训练的数据,因此可以计算重新替换预测。
创建一个RegressionTree
通过使用对象fitrtree
。
|
宾边缘为数字预测,指定为的单元阵列<Ëm class="varname">p数值向量,<Ëm class="varname">p是预测的数目。每个向量包括用于数字预测的bin边缘。因为该软件不斌分类预测单元阵列的分类预测中的元素是空的。 仅当您指定数值预测器时,该软件才会存储数值预测器 您可以复制离散化的预测数据 X = mdl.X;%预测数据Xbinned =零(大小(X));边缘= mdl.BinEdges;%查找分级预测的指标。idxNumeric =找到(〜cellfun(@的isEmpty,边缘));如果iscolumn(idxNumeric)idxNumeric = idxNumeric';结束对于j = idxNumeric X = X(:,J);%x转换为数组,如果x是一个表。如果istable(X)X = table2array(X);端%基团X到箱中,通过使用
Xbinned 包含二进制位索引,取值范围为1到箱柜的数目,对于数值预测因子。Xbinned 值分类预测是0。如果X 包含为NaN s,则相应Xbinned 值为NaN 年代。 |
|
直言预测指标,指定为正整数的向量。 |
|
一个<Ëm class="varname">ñ-by-2细胞阵列,其中 |
|
一个<Ëm class="varname">ñ的-乘2数组,其中包含每个节点的子节点数 |
|
一个<Ëm class="varname">ñ中的分支使用的类别的-乘2单元格数组
|
|
一个<Ëm class="varname">ñ-元素向量的值用作切割点 |
|
一个<Ëm class="varname">ñ- 元素单元阵列指示在每个节点切割类型
|
|
一个<Ëm class="varname">ñ变量的名称 - 元素单元阵列用于在每个节点的分支
|
|
一个<Ëm class="varname">ñ中的每个节点中用于分支的变量的数值索引的元素数组 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果编码分类变量,那么该模型的用途 |
|
超参数的交叉验证优化描述,存储为
|
|
一个<Ëm class="varname">ñ- 元素逻辑矢量 |
|
的物体保持参数 |
|
训练数据中的观察数,数值标量。 |
|
一个<Ëm class="varname">ñ元向量 |
|
一个<Ëm class="varname">ñ-每个节点的均值的元素数值数组 |
|
一个<Ëm class="varname">ñ元向量 |
|
一个<Ëm class="varname">ñ节点的树,其中的风险 - 元素矢量<Ëm class="varname">ñ为节点数。每个节点的风险是由节点概率加权的节点错误。 |
|
一个<Ëm class="varname">ñ元向量 |
|
节点数 |
|
一个<Ëm class="varname">ñ元向量 |
|
预测变量名称的单元阵列,在该命令在它们出现在 |
|
数值向量与每修剪水平一种元素。如果修剪水平范围从0到<Ëm class="varname">中号, 然后 |
|
一个<Ëm class="varname">ñ具有在每个节点中的修剪水平 - 元素数值向量 |
|
指定响应变量的名称(A字符向量 |
|
用于将原始响应值(均方误差)功能的手柄。该功能句柄必须接受响应值的矩阵并返回相同大小的矩阵。默认 添加或更改 tree.ResponseTransform = @<Ëm class="replaceable">函数 |
|
一个<Ëm class="varname">ñ指示 - 元素逻辑矢量其中原始预测数据的行( |
|
一个<Ëm class="varname">ñ类别 - 元素单元阵列用于替代分裂 |
|
一个<Ëm class="varname">ñ中用于代理分割的数值分割赋值的单元格数组 |
|
一个<Ëm class="varname">ñ中用于代理分割的数值的单元格数组 |
|
一个<Ëm class="varname">ñ- 元素单元阵列指示在每个节点类型替代拆分的 |
|
一个<Ëm class="varname">ñ变量的名称 - 元素单元阵列中的每个节点用于替代拆分 |
|
一个<Ëm class="varname">ñ的关联的预测措施 - 元素单元阵列用于替代分裂 |
|
的比例 |
|
预测值的矩阵或表。的每一列 |
|
具有相同数量的行作为数字列向量 |
紧凑 | 紧凑型回归树 |
crossval | 交叉验证决策树 |
cvloss | 通过交叉验证回归错误 |
修剪 | 通过修剪产生回归子树的序列 |
resubLoss | 通过重新替换的回归误差 |
resubPredict | 预测树resubstitution响应 |
失利 | 回归错误 |
预测 | 预测采用回归树响应 |
predictorImportance | 预测的重要性估计回归树 |
surrogateAssociation | 在回归树替代拆分协会的预测均值衡量 |
视图 | 查看回归树 |
价值。要了解值类如何影响复制操作,请参见复制对象(MATLAB)。
[1] Breiman,L.,J。弗里德曼,R. Olshen,和C.石。<Ëm class="citetitle">分类和回归树。佛罗里达,博卡拉顿:CRC出版社,1984年。
ClassificationTree
|CompactRegressionTree
|RegressionEnsemble
|fitrtree
|plotPartialDependence
|预测