CategoricalPredictors

カテゴリカル予測子のインデックス。正の整数のベクトルを指定します。CategoricalPredictorsには，カテゴリカル予测子が含まれている予测子データの列に対応するインデックス値を格纳します。どの予测子もカテゴリカルではない场合，このプロパティは空（［］）になります。

Classnames.

重复が削除されたyの要素のリスト。Classnames.には，数値ベクトル，分类ベクトル，逻辑ベクトル，文字配列，文字ベクトルの细胞配列のいずれかを指定できます。Classnames.のデータ型は，引数yのデータ型と同じです。(字符串配列は文字ベクトルの细胞配列として扱われます)。

CombineWeights

奴隶による弱学习器の重みの结合法を说明する文字ベクトル。“WeightedSum”または“WeightedAverage”のどちらかになります。

成本

正方行列。成本（i，j）は真のクラスが一世である点をクラスjに分类するコストです（行は真のクラス，列は予测したクラスに対応します）。成本の行と列の顺序は，Classnames.のクラスの顺序に対応します。成本の行および列の数は，応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。

ExpandedPredictorNames

展开された予测子名。文字ベクトルの细胞配列として格纳されます。

モデルがカテゴリカル変数用のエンコーディングを使用している场合，ExpandedPredictorNamesには展开された変数を表す名前が格纳されます。それ以外の场合，ExpandedPredictorNamesはPredictorNamesと同じです。

FitInfo

近似情报の数値配列。FitInfoDescriptionプロパティは，この配列の内容を记述します。

FitInfoDescription

配列FitInfoの意味を表す文字ベクトル。

HyperparameterOptimizationResults

ハイパーパラメーターの交差検证最适化の说明。BayesianOptimizationオブジェクト，またはハイパーパラメーターおよび关连する値が含まれているテーブルとして格纳されます。作成时に名前と値のペアOptimizeHyperparametersが空ではない場合,これは空ではありません。値は,作成時の名前と値のペアHyperparameterOptimizationOptionsの設定によって決まります。

LearnerNames

アンサンブルに含まれている弱学习器の名前をもつ文字ベクトルの细胞配列。各学习器の名前は一度だけ现れます。たとえば，ツリーが100本のアンサンブルの场合は，LearnerNamesは{'树'}ににます。

方法

奴隶を作成する方法を表す文字ベクトル。

ModelParameters

奴隶の学习に使用されるパラメーター。

numobservations.

学習データにある観測値の数を含む数値スカラー。

NumTrained

奴隶の学习済みの弱学习器の数，スカラー。

PredictorNames

予测子変数の名前の细胞配列。并びはXに现れる顺です。

事先的

各クラスの事前确率の数値ベクトル。事先的の要素の顺序は，Classnames.のクラスの顺序に対応します。事先的の要素数は，応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。

ReasonForTermination

fitcensemble.がアンサンブルへの弱学習器の追加を停止した理由を表す文字ベクトル。

ResponseName

応答変数yの名前をもつ文字ベクトル。

ScoreTransform

スコア変换用の关数ハンドル，または组み込みの変换关数を表す文字ベクトル。'没有任何'は変換なしを意味します。等価的には,'没有任何'は@（X）Xです。组み込みの変换关数のリストとカスタム変换关数の构文は，fitctreeを参照してください。

ドット表記を使用して関数ScoreTransformを追加または変更します。

ens.ScoreTransform = '功能'

または

ens.ScoreTransform = @function

训练有素的

学习済み分类モデルの细胞ベクトル。

TrainedWeights

奴隶の弱学习器のための学习済み重みを表す数値ベクトル。TrainedWeightsにはT.个の要素があり，T.は学习者の弱学習器の数を表します。

UsePredForLearner

サイズP.当NumTrained列の逻辑行列であり，ここで，P.は学习データXの予测子（列）の数です。UsePredForLearner (i, j)は，学习器jが予测子一世を使用するときに真的になり,それ以外の場合は错误的になります。それぞれの学习器に対して，予测子は学习データXの列と同じ順序になります。

アンサンブルが子空间型ではない場合,UsePredForLearner内のすべてのエントリは真的です。

W.

スケールされた重量，长さNのベクトル,Xの行の数。W.の要素の合计は1です。

X

アンサンブルに学习させた予测子の値の行列または表。Xの各列が1つの変数を表し，各行が1つの観测値を表します。

y

数値ベクトル，分类ベクトル，逻辑ベクトル，文字配列，または文字ベクトルの细胞配列。yの各行は,Xの対応する行の分類を表します。