类别:树人
出袋观测的集合预测
Y=OOB预测(B)
Y=OOB预测(B,名称,值)
[Y,stdevs]=OOB预测(___)
[Y,得分]=OOB预测(___)
[Y,分数,标准差]=OOB预测(___)
Y=OOB预测(B)
使用经过培训的bagger计算预测响应B
对于培训数据中的袋子外观察。输出对训练数据中的每个观察具有一个预测。返回的y是用于分类的字符向量和用于回归的数字数组的单元数组。
Y=OOB预测(B,
使用一个或两个名称-值对参数指定其他选项:名称、值
)
'树木'
-用于计算响应的树索引数组。默认值是“全部”
.
“树之光”
-一系列入侵者
用于对指定树中的投票进行加权的权重,其中入侵者
是集合中的树数。
对于回归,[Y,stdevs]=OOB预测(___)
还使用以前语法中的任何输入参数组合返回已生长树集合上计算响应的标准偏差。
对于分类,[Y,得分]=OOB预测(___)
还返回所有类的分数。得分
是一个矩阵,每个观察值一行,每个类一列。对于每个袋外观察和每个类别,每棵树生成的分数是源自该类别的观察的概率,计算为该类别在树叶中的观察分数。OOB预测
平均在合奏中的所有树木上的分数。
[Y,分数,标准差]=OOB预测(___)
还返回分类计算分数的标准偏差。标准开发人员
是一个矩阵,每个观察值有一行,每个类别有一列,标准偏差接管生长树木的集合。
OOB预测
和预测
类似地,预测类和响应。
在回归问题中:
对于至少一棵树的每一次观察,OOB预测
通过选择树的响应来合成加权平均值,其中的观测结果是现成的。对于此计算“树之光”
名称值对参数指定权重。
对于所有树的每个观察,预测响应是所有训练响应的加权平均值。对于此计算W
财产的财产树人
模型(即观察权重)指定权重。
在分类问题中:
对于至少一棵树的每一次观察,OOB预测
通过选择观察结果不在包中的树,合成类后验概率的加权平均值。因此,预测类是对应于最大加权平均数的类。对于此计算“树之光”
名称值对参数指定权重。
对于所有树的每个观察,预测类是所有训练响应中最受欢迎的加权类。对于此计算W
财产的财产树人
模型(即观察权重)指定权重。如果有多个最流行的课程,OOB预测
考虑列表中第一个列出的类名
财产的财产树人
模特最受欢迎。