CompactRegressionTree
包:classreg.learning.regr
紧凑型回归树
描述
类的回归树的精简版本RegressionTree
).精简版本不包括用于训练回归树的数据。因此,您不能使用紧凑的回归树执行一些任务,例如交叉验证。使用紧凑回归树对新数据进行预测(回归)。
建设
从一个完整的决策树构造一个紧凑的决策树。ctree
=紧凑(树
)
输入参数
属性
|
分类预测指标,指定为正整数的向量。 |
|
一个n-by-2 cell array,其中 |
|
一个n-by-2数组,其中每个节点的子节点编号 |
|
一个n中分支使用的类别的-by-2 cell数组
|
|
一个n中用作切点的值的元素向量 |
|
一个n-element单元格数组,表示在每个节点上的切割类型
|
|
一个n用于在每个节点中分支的变量名称的单元格数组
|
|
一个n用于在每个节点中分支的变量的数值索引数组 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型对分类变量使用编码,则 |
|
一个n-元素逻辑向量 |
|
一个n元向量 |
|
一个n的每个节点的平均值的元素数值数组 |
|
一个n元向量 |
|
一个n树中节点风险的-元素向量,其中n是节点数。每个节点的风险是节点误差与节点概率的加权。 |
|
一个n元向量 |
|
节点数 |
|
一个n元向量 |
|
预测变量名称的单元格数组,按它们出现的顺序排列 |
|
每个修剪级别有一个元素的数字向量。如果修剪级别在0 ~米,然后 |
|
一个n的每个节点的剪枝级别为的-元素数值向量 |
|
响应变量的名称 |
|
转换原始响应值(均方误差)的函数句柄。函数句柄必须接受响应值的矩阵,并返回相同大小的矩阵。默认的 添加或更改 ctree。ResponseTransform = @函数 |
|
一个n中用于代理拆分的类别的-element单元格数组 |
|
一个n用于代理分割的数值切割分配的单元格数组 |
|
一个n中用于代理分割的数值的单元格数组 |
|
一个n-element单元格数组,指示在中的每个节点上代理拆分的类型 |
|
一个n中的每个节点中用于代理拆分的变量名称的-element单元格数组 |
|
一个n中代理分裂的关联预测度量的-元素单元数组 |
对象的功能
收集 |
的集合属性统计和机器学习工具箱图形处理器对象 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
回归误差 |
partialDependence |
计算偏依赖性 |
plotPartialDependence |
创建偏依赖图(PDP)和个体条件期望图(ICE) |
预测 |
使用回归树预测响应 |
predictorImportance |
预测因子对回归树重要性的估计 |
沙普利 |
沙普利值 |
surrogateAssociation |
回归树中代理分叉关联的平均预测测度 |
更新 |
更新模型参数以生成代码 |
视图 |
查看回归树 |
复制语义
价值。要了解值类如何影响复制操作,请参见复制对象.