分类预测器

分类预测索引指定为正整数的向量。分类预测器包含与包含分类预测器的预测器数据列对应的索引值。如果没有预测器都是分类的，则此属性是空的（[]）。

联合重量

描述集合如何结合学习者预测的字符矢量。

ExpandedPredictorNames.

扩展的预测器名称，存储为字符向量的单元格数组。

如果模型使用对分类变量的编码，那么ExpandedPredictorNames.包括描述扩展变量的名称。除此以外，ExpandedPredictorNames.是相同的预测。

FitInfo.

一个数字拟合信息数组。这Fitinfodescription.属性描述此阵列的内容。

Fitinfodescription.

描述含义的字符矢量FitInfo.大批。

Fresample.

之间的数字标量0.和1。Fresample.是培训数据的一小部分fitrensemble.在构建集合时，随机重新采样。

HyperParameterOptimationResults.

超参数的交叉验证优化的描述，存储为a贝叶斯偏见对象或超参数和关联值表。否定的时候优化hyperParameters.名称 - 值对在创建时是非空的。价值取决于设置的设置HyperParameterOptimizationOptions.创建中的名称 - 值对：

学习名

字符向量的细胞阵列，合奏中的弱学习者的名称。每个学习者的名称只出现一次。例如，如果您有100棵树的合奏，学习名是{'树'}。

方法

具有算法名称的字符向量fitrensemble.用于培训集合。

模特分析者

用于培训的参数奴隶。

numobservations.

数字标量包含培训数据中的观察次数。

麻木

合奏中的训练学习者数量，一个正标量。

预测

预测器变量的一个小区数组，按照它们出现的顺序X。

原理

描述原因的字符矢量fitrensemble.停止向合奏添加弱的学习者。

正则化

包含结果结果的结构正规化方法。用正则化和收缩更低的重新提交错误并缩小集合。

代替

Boolean标志指示如果在该集合中的弱学习者培训数据，则用更换采样。代替是真的用于使用更换，错误的除此以外。

ractraceame.

具有响应变量的名称的字符向量y。

OrkeTransform.

用于转换分数的功能手柄，或表示内置变换函数的字符矢量。'没有任何'意味着没有转型;同等，'没有任何'方法@（x）x。

添加或更改OrkeTransform.使用点表示法的功能：

ens.responsetransform = @功能

训练有素

训练有素的学习者，一系列紧凑型回归模型。

训练有素

合奏分配给其学习者的权重的数字矢量。通过从其学习者聚合加权预测来计算项目来计算预测的响应。

Umeryobsforlearner.

大小的逻辑矩阵N-经过-麻木， 在哪里N是培训数据中的行数（观察）X， 和麻木是训练有素的弱者学习者的数量。Useobsforlearner（i，j）是真的如果观察一世用于培训学习者j， 并且是错误的除此以外。

W.

鳞片重量，长度的矢量N，行的数量X。元素的总和W.是1。

X

训练该合奏的预测值值的矩阵或表。每列X表示一个变量，每行代表一个观察。

y

数字列向量与相同的行数为X那训练了合奏。每个条目y是对相应行中的数据的响应X。