包裹:classreg.learning.regr
超类:CompactRegressionEnsemble
集合回归
回归套
结合了一组经过训练的弱学习者模型和这些学习者接受训练的数据。它可以通过聚合弱学习者的预测来预测新数据的整体反应。
使用创建回归集成对象fitrensemble
.
|
数值预测器的箱边,指定为P数值向量,P是预测值的数量。每个向量包括数值预测器的箱边。分类预测器单元格数组中的元素为空,因为软件不存储分类预测器。 仅当您指定 您可以复制被分类的预测器数据 X = mdl.X;%预测数据Xbinned = 0 (size(X));边缘= mdl.BinEdges;找到被分类的预测器的指数。idxNumeric =找到(~ cellfun (@isempty边缘));if iscolumn(idxNumeric) idxNumeric = idxNumeric';end for j = idxNumeric x = x (:,j);%如果x是一个表,则将x转换为数组。If istable(x) x = table2array(x);将x组到bin中
Xbinned 包含数值预测器的仓位索引,范围从1到仓位数。Xbinned 分类预测值的值为0。如果X 包含楠 S,然后对应的Xbinned 价值观是楠 年代。 |
|
分类预测指标,指定为一个正整数向量。 |
|
描述集合如何结合学习者预测的特征向量。 |
|
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 |
|
拟合信息的数字数组。这个 |
|
描述字符含义的字符向量 |
|
集合中带有弱学习者名称的字符向量的单元数组。每个学习者的名字只出现一次。例如,如果你有100棵树, |
|
超参数的交叉验证优化描述,存储为
|
|
带有算法名称的字符向量 |
|
训练参数 |
|
在训练数据中包含观测数的数值标量。 |
|
集合中训练过的学习者的数量,一个正标量。 |
|
预测器变量名称的单元格数组,按它们出现的顺序排列 |
|
描述原因的字符向量 |
|
|
|
带有响应变量名称的字符向量 |
|
用于转换分数的函数句柄,或表示内置转换函数的字符向量。 添加或更改 ens.ResponseTransform=@作用 |
|
训练有素的学习者,一个紧凑回归模型的单元阵列。 |
|
集合分配给学习者的权重的数值向量。集合通过聚合学习者的加权预测来计算预测响应。 |
|
鳞片 |
|
训练集合的预测值矩阵或表。每一列的 |
|
具有与相同行数的数值列向量 |
要了解值类如何影响复制操作,请参阅复制对象.
对于回归树的集合训练有素的
属性包含的单元格向量ens.NumTrained
CompactRegressionTree
模型对象。用于树的文本或图形显示T
在单元向量中,输入
视图(实体。训练有素的{T})