的分类树集成电离层
数据集,并使用它来预测分类的雷达回报与平均测量。
加载电离层
数据集。
负载电离层
训练分类集合。对于二元分类问题,fitcensemble
使用LogitBoost聚合100个分类树。
Mdl = fitcensemble (X, Y)
Mdl = ClassificationEnsemble ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' ' 'g'} ScoreTransform: 'none' NumObservations: 351 NumTrained: 100 Method: 'LogitBoost' LearnerNames: {'Tree'} ReasonForTermination: '在完成请求的训练周期数后正常终止。'FitInfo描述:{2x1 cell}属性,方法
Mdl
是一个ClassificationEnsemble
模型。
绘制集合中第一个训练的分类树的图。
视图(Mdl.Trained {1} .CompactRegressionLearner,“模式”,“图”);
默认情况下,fitcensemble
为增强算法生长浅树。可以通过传递树模板对象来改变树的深度fitcensemble
.有关详细信息,请参见templateTree
.
用平均预测器测量来预测雷达返回的质量。
标签=预测(Mdl,意味着(X))
标签=1 x1单元阵列{' g '}