主要内容

预测子树的样本外反应

打开实时脚本

此示例显示了如何预测回归树的样本外反应，然后绘制结果。

加载汽车舞数据集。考虑重量作为响应的预测指标MPG。

加载汽车舞idxnan = isnan（mpg +重量）;x =重量（〜IDXNAN）;y = mpg（〜IDXNAN）;n = numel（x）;

将数据分为培训（50％）和验证（50％）集。

RNG（1）％可再现性idxtrn = false（n，1）;idxtrn（randsample（n，round（0.5*n）））= true;％训练集逻辑指数idxval = idxtrn == false;％验证设置逻辑指标

使用训练观察结果生长回归树。

mdl = fitrtree（x（idxtrn），y（idxtrn））;查看（MDL，'模式'，，，，'图形'）

图回归树查看器包含一个轴对象和uimenu类型的其他对象，uicontrol。轴对象包含30个类型行的对象，文本。

计算几个子树中每一个的验证观测值的拟合值。

m = max（mdl.prunelist）;prunelevels = 0：2：m;％修剪水平要考虑z = numel（prunelevels）;yfit =预测（MDL，x（idxval），，“子树”，prunelevels）;

是的是一个n-经过-z拟合值的矩阵，其中行对应于观测值，列对应于子树。

阴谋是的和y反对X。

数字;sortDat = sortrows（[x（idxval）y（idxval）yfit]，1）;％对x进行所有数据排序绘图（stortdat（：，1），sortdat（：，2），，'*'）；抓住上;绘图（repmat（sortdat（：，1），1，size（yfit，2）），sortdat（：：，3：end））;lev = celltr（num2str（（（prunelevel））'，“级别％d mpg”）;传奇（[“观察到MPG”;LEV]）标题“样本外预测”XLABEL'重量磅）';ylabel'mpg';h = findobj（gcf）;轴紧的;设置（h（4：end），'行宽'，3）％扩大所有线路

图包含一个轴对象。带有标题除外预测的轴对象包含6个类型行的对象。这些对象代表观察到的MPG，0 mpg，2 mpg，4 mpg，6 mpg，级别8 mpg。

值是的对于较低的修剪水平，倾向于比更高水平更接近数据。较高的修剪水平往往很大X间隔。

也可以看看

|

相关话题