predictorImportance

预测的重要性估计回归集成

扩大所有页面

句法

小鬼= predictorImportance(实体) [进出口，MA] = predictorImportance（ENS）

描述

小鬼= predictorImportance (ENS）计算预测器重要性的估计ENS这些估计数字与乐团的所有弱学习总结。小鬼具有用于在用于训练该合奏中的数据的每个输入预测器的一个元素。高值表示这个预测是很重要ENS。

[小鬼，马)= predictorImportance (ENS）回报P——- - - - - -P矩阵与关联的预测措施P预测因子。

输入参数

ENS

回归合奏，通过创建fitrensemble或者通过紧凑的方法。

输出参数

`小鬼`	一个行向量，其元素数与其中的谓词(列)数相同`ENS。X`。这些条目的预测重要性的估计，以`0`代表最小可能的重要性。
`马`	一个`P`——- - - - - -`P`关联的预测度量矩阵`P`预测因子。元件`硕士(I, J)`是协会的预测指标平均预测上比替代拆分`Ĵ`的预测`一世`是最佳的分割预测。`predictorImportance`对集合中所有树的这种预测关联进行平均。

例子

展开全部

估计预测变量重要性

打开生活的脚本

在数据的所有预测变量的估计预测的重要性。

加载carsmall数据集。

加载carsmall

种植100棵回归树MPG运用加速度，气瓶，移位，马力，Model_Year,重量为预测因子。指定树桩作为弱学习。

X =[加速气缸位移马力模型年重量];t = templateTree (“MaxNumSplits”1);实体= fitrensemble (X,英里/加仑,'方法'，'LSBoost'，“学习者”，T）;

估计所有预测变量的预测重要性。

小鬼= predictorImportance(实体)

小鬼=1×60.0150 0 0.0066 0.1111 0.0437 0.5181

重量，最后的预测，对里程的影响最大。第二个预测具有重要意义0，这意味着气缸的数量有上做出的预测没有影响ENS。

预测变量重要性和代孕拆分

打开生活的脚本

估计数据中所有变量的预测器重要性，以及回归树集成中包含代理分割的地方。

加载carsmall数据集。

加载carsmall

种植100棵回归树MPG运用加速度，气瓶，移位，马力，Model_Year,重量为预测因子。指定树桩作为弱学习者，并确定替代劈叉。

X =[加速气缸位移马力模型年重量];t = templateTree (“MaxNumSplits”,1“代孕”，'上');实体= fitrensemble (X,英里/加仑,'方法'，'LSBoost'，“学习者”，T）;

估计所有预测变量预测的重要性和关联的预测措施。

[进出口，MA] = predictorImportance（ENS）

小鬼=1×60.2065 0.3799 0.4100 0.6190 0.3670 0.5476

MA =6×61.0000 0.0098 0.0102 0.0098 0.0033 0.0067 1.0000 0 0 0 0 0 0.0056 0.0084 1.0000 0.0078 0.0022 0.0084 0.2232 0.1574 0.2066 1.0000 0.0580 0.2059 0.0061 0.0070 0.0063 0.0064 1.0000 0.0056 0.0200 0.0368 0.0620 0.0521 0.0098 1.0000

比较小鬼在结果估计预测变量重要性，马力对行驶里程的影响最大，与重量具有第二大影响的。