使用决策树集合对观测结果进行分类
统计和机器学习工具箱/分类
的ClassificationEnsemble预测Block使用决策树(ClassificationEnsemble
,ClassificationBaggedEnsemble
,或CompactClassificationEnsemble
)进行多类分类。
通过指定包含该对象的工作空间变量的名称,将经过训练的分类对象导入到块中。输入端口x接收一个观测值(预测数据),并输出端口标签返回观测值的预测类标号。您可以添加一个可选的输出端口分数它返回预测的班级分数或后验概率。
x
-预测数据预测数据,指定为一个观测的列向量或行向量。
中的变量x必须具有与训练由?指定的模型的预测变量相同的顺序选择训练过的机器学习模型
。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
标签
-预测类别标签预测的类标号,作为标量返回。预测的班级是得分最高的班级。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
|枚举
分数
-预测班级分数或后验概率预测类分数或后验概率,作为大小为1 × -的行向量返回k,在那里k是树模型中类的数量。
要检查类的顺序,请使用一会
属性指定的树模型的属性选择训练过的机器学习模型
。
要启用该端口,请选中为预测的班级分数添加输出端口
在主要页签。
分类分值的定义和范围取决于集成聚合方法。方法指定集成聚合方法“方法”
的名称-值参数fitcensemble
在训练集成模型时。详细信息请参见更多关于部分预测
功能参考页面。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
选择训练过的机器学习模型
-分类集成模型ensMdl
(默认)|ClassificationEnsemble
对象|ClassificationBaggedEnsemble
对象|CompactClassificationEnsemble
对象指定包含控件的工作空间变量的名称ClassificationEnsemble
对象,ClassificationBaggedEnsemble
对象,或CompactClassificationEnsemble
对象。
训练模型时使用fitcensemble
,以下限制适用:
你必须用3个弱学习器来训练一个集合。
预测器数据不能包括分类预测器(逻辑
,分类
,字符
,字符串
,或细胞
)。如果您在表中提供训练数据,则预测器必须是数字(双
或单
)。另外,你不能使用“CategoricalPredictors”
名称-值参数。要在模型中包含分类预测器,请使用dummyvar
在拟合模型之前。
的值“ScoreTransform”
名称-值参数不能为“invlogit”
或者匿名函数。
类的值不能对树弱学习器使用代理分割“代孕”
名称-值参数必须为“关闭”
定义树弱学习器时(默认值)templateTree
函数。
块参数:TrainedLearner |
类型:工作空间变量 |
价值观:ClassificationEnsemble 对象|ClassificationBaggedEnsemble 对象|CompactClassificationEnsemble 对象 |
默认值:“ensMdl” |
为预测的班级分数添加输出端口
-增加第二个输出端口预测类成绩从
(默认)|在
选择复选框以包含第二个输出端口分数在ClassificationEnsemble预测块。
块参数:ShowOutputScore |
类型:特征向量 |
价值观:'off' | 'on' |
默认值:“关闭” |
整数舍入模式
-舍入模式的定点操作地板上
(默认)|天花板
|收敛
|最近的
|轮
|简单的
|零
为定点操作指定舍入模式。有关更多信息,请参见舍入(定点设计师)。
块参数总是四舍五入到最接近的可表示值。要控制块参数的舍入,请使用MATLAB输入表达式®舍入函数到掩码字段。
块参数:RndMeth |
类型:特征向量 |
价值观:'Ceiling' | 'Convergent' | 'Floor' | 'Nearest' | 'Round' | ' most ' | 'Zero' |
默认值:“地板” |
饱和整数溢出
-溢出动作方式从
(默认)|在
指定溢出是饱和溢出还是自动溢出。
行动 | 基本原理 | 对溢出的影响 | 例子 |
---|---|---|---|
选择此复选框( |
您的模型可能存在溢出,并且您希望在生成的代码中显式地进行饱和保护。 |
溢出饱和到数据类型可以表示的最小值或最大值。 |
最大值 |
清除此复选框( |
您希望优化生成代码的效率。 您希望避免过度指定块如何处理超出范围的信号。有关更多信息,请参见排除信号范围错误(金宝app模型)。 |
溢出包装为数据类型可以表示的适当值。 |
最大值 |
块参数:SaturateOnIntegerOverflow |
类型:特征向量 |
价值观:'off' | 'on' |
默认值:“关闭” |
锁定输出数据类型设置,防止由定点工具更改
—防止定点工具覆盖数据类型从
(默认)|在
选择此参数可防止定点工具覆盖为块指定的数据类型。有关更多信息,请参见使用锁输出数据类型设置(定点设计师)。
块参数:LockScale |
类型:特征向量 |
价值观:'off' | 'on' |
默认值:“关闭” |
标签数据类型
—标签输出的数据类型继承:通过反向传播继承
|继承:汽车
|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|Enum: <类名>
|<数据类型表达式>
类的数据类型标签输出。类型可以被继承,指定为枚举数据类型,或者表示为数据类型对象,例如金宝app仿真软件。NumericType
。
当您选择继承选项时,软件的行为如下:
继承:通过反向传播继承
(默认为数字和逻辑标签)- Simulink自动确定金宝app标签数据类型在数据类型传播期间块的数据类型传播(金宝app模型))。在这种情况下,块使用下游块或信号对象的数据类型。
继承:汽车
(非数字标签的默认值)-块使用自动定义的枚举数据类型变量。例如,假设工作空间变量名由选择训练过的机器学习模型
是myMdl
,类标签为类1
和二班
。然后,相应的标签值是myMdl_enumLabels.class_1
和myMdl_enumLabels.class_2
。代码块将类标签转换为有效的MATLAB标识符matlab.lang.makeValidName
函数。
有关数据类型的详细信息,请参见控制信号的数据类型(金宝app模型)。
单击显示数据类型助手按钮显示数据类型助手,它可以帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)。
所支持的金宝app数据类型取决于所指定的模型中使用的标签选择训练过的机器学习模型
。
如果模型使用数字或逻辑标签,则支持的数据类型为金宝app继承:通过反向传播继承
(默认),双
,单
,一半
,int8
,uint8
,int16
,uint16
,int32
,uint32
,int64
,uint64
,布尔
、定点和数据类型对象。
如果模型使用非数字标签,则支持的数据类型为金宝app继承:汽车
(默认),Enum: <类名>
,以及数据类型对象。
块参数:LabelDataTypeStr |
类型:字符向量 |
值:“继承:通过反向传播继承” |“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |'Enum: <类名>' |'<数据类型表达式>' |
默认的:“继承:通过反向传播继承” (用于数字和逻辑标签)|“继承:汽车” (非数字标签) |
标签最低
-用于范围校验的标签输出最小值[]
(默认)|标量的较低值标签输出范围说明Simulink金宝app®检查。
金宝appSimulink使用最小值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的标签最低参数不饱和或剪切实际标签输出信号。使用饱和(金宝app模型)块来代替。
指定的型号才可以指定此参数选择训练过的机器学习模型
使用数字标签。
块参数:LabelOutMin |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
标签最大
-用于范围校验的标签输出最大值[]
(默认)|标量的上限值标签Simulink检查的输出范围。金宝app
金宝appSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的标签最大参数不饱和或剪切实际标签输出信号。使用饱和(金宝app模型)块来代替。
指定的型号才可以指定此参数选择训练过的机器学习模型
使用数字标签。
块参数:LabelOutMax |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
得分数据类型
-分数输出的数据类型继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型表达式>
类的数据类型分数输出。类型可以被继承、直接指定或表示为数据类型对象,例如金宝app仿真软件。NumericType
。
当你选择继承:汽车
,块使用继承数据类型的规则。
有关数据类型的详细信息,请参见控制信号的数据类型(金宝app模型)。
单击显示数据类型助手按钮显示数据类型助手,它可以帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)。
块参数:ScoreDataTypeStr |
类型:字符向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |'<数据类型表达式>' |
默认的:“继承:汽车” |
分数最低
-范围检查分数输出的最小值[]
(默认)|标量的较低值分数Simulink检查的输出范围。金宝app
金宝appSimulink使用最小值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的分数最低参数不饱和或剪切实际分数信号。使用饱和(金宝app模型)块来代替。
块参数:ScoreOutMin |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
得分最高
-范围检查时输出的分数最大值[]
(默认)|标量的上限值分数Simulink检查的输出范围。金宝app
金宝appSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的得分最高参数不饱和或剪切实际分数信号。使用饱和(金宝app模型)块来代替。
块参数:ScoreOutMax |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
原始分数数据类型
-未转换的分数数据类型继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型表达式>
指定内部未转换分数的数据类型。类型可以被继承、直接指定或表示为数据类型对象,例如金宝app仿真软件。NumericType
。
当你选择继承:汽车
,块使用继承数据类型的规则。
有关数据类型的详细信息,请参见控制信号的数据类型(金宝app模型)。
单击显示数据类型助手按钮显示数据类型助手,它可以帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)。
指定的型号才可以指定此参数选择训练过的机器学习模型
使用分数转换,而不是“没有”
(默认值与“身份”
)。
方法可以更改分数转换选项“ScoreTransform”
参数,或通过更改ScoreTransform
培训后的财产。
块参数:RawScoreDataTypeStr |
类型:字符向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |'<数据类型表达式>' |
默认的:“继承:汽车” |
最低原始分数
-范围检查的最小未转换分数[]
(默认)|标量Simulink检查的未转换分数范围的较低值。金宝app
金宝appSimulink使用最小值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的最低原始分数参数不会使实际未转换的分数信号饱和或剪切。
块参数:RawScoreOutMin |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
原始分数最大值
-范围检查的最大未转换分数[]
(默认)|标量Simulink检查的未转换分数范围的最大值。金宝app
金宝appSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的原始分数最大值参数不会使实际未转换的分数信号饱和或剪切。
块参数:RawScoreOutMax |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
弱学习者数据类型
-弱学习者输出的数据类型继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型表达式>
为弱学习器的输出指定数据类型。类型可以被继承、直接指定或表示为数据类型对象,例如金宝app仿真软件。NumericType
。
当你选择继承:汽车
,块使用继承数据类型的规则。
有关数据类型的详细信息,请参见控制信号的数据类型(金宝app模型)。
单击显示数据类型助手按钮显示数据类型助手,它可以帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)。
块参数:WeakLearnerDataTypeStr |
类型:字符向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt(16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |'<数据类型表达式>' |
默认的:“继承:汽车” |
弱学习者最小值
-用于范围检查的弱学习器输出的最小值[]
(默认)|标量Simulink检查的弱学习器输出范围值较低。金宝app
金宝appSimulink使用最小值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的弱学习者最小值参数不会使实际的弱学习器输出信号饱和或剪切。
块参数:WeakLearnerOutMin |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
弱学习者最大值
-用于范围检查的弱学习器输出的最大值[]
(默认)|标量Simulink检测的弱学习器输出范围的最大值。金宝app
金宝appSimulink使用最大值来执行:
参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
定点数据类型的自动缩放。
从模型生成的代码的优化。这种优化可以删除算法代码并影响某些仿真模式(如SIL或外部模式)的结果。有关更多信息,请参见使用指定的最小值和最大值进行优化(嵌入式编码)。
请注意
的弱学习者最大值参数不会使实际的弱学习器输出信号饱和或剪切。
块参数:WeakLearnerOutMax |
类型:字符向量 |
值:“[]” |标量 |
默认的:“[]” |
数据类型 |
|
直接引线 |
|
多维信号 |
|
适应信号 |
|
讨论二阶导数过零检测 |
|
您可以使用MATLAB函数块与预测
决策树集合的目标函数(ClassificationEnsemble
,ClassificationBaggedEnsemble
,或CompactClassificationEnsemble
)。有关示例,请参见使用MATLAB函数块预测类标签。
在决定是否使用ClassificationEnsemble预测的统计和机器学习工具箱™库或MATLAB函数块预测
函数,考虑以下内容:
如果您使用统计和机器学习工具箱库块,则可以使用定点的工具(定点设计师)将浮点模型转换为定点模型。
金宝app的MATLAB函数块必须启用对可变大小数组的支持预测
函数。
如果使用MATLAB函数块,则可以在同一MATLAB函数块中的预测之前或之后使用MATLAB函数进行预处理或后处理。
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
您也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。