包:classreg.learning.regr
紧凑的回归树
回归树的紧凑版本(类的)RegressionTree
).精简版不包括用于训练回归树的数据。因此,您不能使用紧凑的回归树执行某些任务,例如交叉验证。使用紧凑的回归树对新数据进行预测(回归)。
从完整的决策树构造紧凑的决策树。ctree
=紧凑(树
)
|
分类预测指标,指定为一个正整数向量。 |
|
一个n-by-2 cell array |
|
一个n-by-2数组,其中包含每个节点的子节点编号 |
|
一个n中分支使用的类别的单元格数组
|
|
一个n元素向量的值用作切入点 |
|
一个n中每个节点的切割类型
|
|
一个n中的每个节点中用于分支的变量名称的单元格数组
|
|
一个n中的每个节点中用于分支的变量的数字索引数组 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型对分类变量使用编码,那么 |
|
一个n元逻辑向量 |
|
一个n元向量 |
|
一个n的每个节点的平均值的元素数值数组 |
|
一个n元向量 |
|
一个n-树中节点风险的元素向量,其中n为节点数。每个节点的风险是由节点概率加权的节点误差。 |
|
一个n元向量 |
|
节点数 |
|
一个n元向量 |
|
预测器变量名称的单元格数组,按它们出现的顺序排列 |
|
数字向量,每个修剪级别有一个元素。修剪级别的取值范围为0 ~米,然后 |
|
一个n的每个节点中具有修剪级别的元素数值向量 |
|
响应变量的名称 |
|
用于转换原始响应值(均方误差)的函数句柄。函数句柄必须接受响应值的矩阵,并返回相同大小的矩阵。默认的 添加或更改 ctree。ResponseTransform = @函数 |
|
一个n-element用于分割的代理项的单元格数组 |
|
一个n用于代理拆分的数字切割赋值的单元格数组 |
|
一个n用于代理的数值的单元格数组 |
|
一个n中每个节点的代理分割类型 |
|
一个n中每个节点中用于代理分割的变量名的单元格数组 |
|
一个n-element单元阵列的预测关联度量为代理分裂 |
收集 |
收集的属性统计和机器学习工具箱对象从GPU |
石灰 |
局部可解释的模型不可知解释(LIME) |
损失 |
回归误差 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
预测 |
使用回归树预测响应 |
predictorImportance |
对回归树预测因子重要性的估计 |
沙普利 |
沙普利值 |
surrogateAssociation |
回归树中代理分割关联的平均预测度量 |
更新 |
更新代码生成的模型参数 |
视图 |
视图回归树 |
价值。要了解值类如何影响复制操作,请参见复制对象.