预测

预测使用回归树的反应

扩展所有的页面

语法

X Yfit =预测(Mdl)

Yfit =预测(Mdl X、名称、值)

(Yfit、节点)=预测(___)

描述

Yfit=预测(Mdl,X)返回一个向量的预测反应的预测数据表或矩阵X基于完整的或紧凑的回归树Mdl。

Yfit=预测(Mdl,X,名称,值)预测响应值与指定的一个或多个额外的选项名称,值对参数。例如,您可以指定删除Mdl前一个特定水平预测的反应。

(Yfit,节点)=预测(___)还返回一个向量预测节点数据的反应,使用任何输入参数在前面的语法。

输入参数

全部展开

`Mdl`- - - - - -训练有素的回归树
`RegressionTree`模型对象|`CompactRegressionTree`模型对象

训练有素的分类树,指定为一个RegressionTree或CompactRegressionTree模型对象。也就是说,Mdl返回的是一个训练分类模型fitrtree或紧凑的。

`X`- - - - - -预测分类数据
数字矩阵|表

预测数据分类,指定为一个数字矩阵或表。

每一行的X对应于一个观察,每一列对应一个变量。

一个数字矩阵:
- 变量的列X必须有相同的订单预测变量,训练吗Mdl。
- 如果你训练Mdl使用一个表(例如,资源描述),然后X可以是一个数字矩阵如果资源描述包含所有数值预测变量。将数值预测资源描述分类在训练、识别分类预测使用CategoricalPredictors名称-值对的观点fitrtree。如果资源描述包含了异构预测变量(例如,数字和分类数据类型)X是一个数字矩阵,然后呢预测抛出一个错误。
一个表:
- 预测不支持多列变量或细金宝app胞数组以外的细胞阵列的特征向量。
- 如果你训练Mdl使用一个表(例如,资源描述),那么所有的预测变量X必须有相同的变量名和数据类型的培训Mdl(存储在Mdl.PredictorNames)。然而,列的顺序X不需要对应的列顺序资源描述。资源描述和X可以包含额外的变量(响应变量,观察体重、等等),但预测忽略了它们。
- 如果你训练Mdl使用一个数字矩阵,然后预测名称Mdl.PredictorNames和相应的预测变量名称X必须相同。指定预测名称在训练,看到PredictorNames名称-值对的观点fitrtree。所有的预测变量X必须是数值向量。X可以包含额外的变量(响应变量,观察体重、等等),但预测忽略了它们。

数据类型:表|双|单

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

`子树`- - - - - -修剪水平
0(默认)|向量的非负整数|`“所有”`

修剪水平,指定为逗号分隔组成的“子树”和一个向量的非负整数按升序或“所有”。

如果您指定一个矢量,然后所有的元素都必须至少0在大多数马克斯(Mdl.PruneList)。0显示完整的,unpruned树马克斯(Mdl.PruneList)表示完全修剪树(即。,只有根节点)。

如果您指定“所有”,然后预测运行在所有子树(即。,the entire pruning sequence). This specification is equivalent to using0:马克斯(Mdl.PruneList)。

预测李子Mdl每个级别表示子树,然后估计相应的输出参数。的大小子树确定一些输出参数的大小。

调用子树,属性PruneList和PruneAlpha的Mdl必须非空的。换句话说,成长Mdl通过设置“删除”,“上”,或者通过修剪Mdl使用修剪。

例子:“子树”,“所有”

数据类型:单|双|字符|字符串

输出参数

全部展开

`Yfit`——预测响应值
数字列向量

预测响应值,作为一个数字列向量返回的行数一样X。每一行的Yfit给出了预测响应相应的行X基于Mdl。

`节点`——节点数量
数值向量

节点数量预测,指定为一个数值向量。每个条目对应于预测叶节点Mdl相应的行X。

例子

全部展开

使用回归树预测响应

打开生活的脚本

加载carsmall数据集。位移,马力,重量预测的反应英里/加仑。

负载carsmallX =(位移马力重量);

使用整个数据集回归树生长。

Mdl = fitrtree (X, MPG);

预测的MPG汽车发动机排量200立方英寸,150马力,重3000磅。

X0 = (200 150 3000);X0 MPG0 =预测(Mdl)

MPG0 = 21.9375

回归树预测汽车的效率是每加仑21.94英里。

选择功能

金宝app仿真软件块

将回归树模型的预测模型金宝app^®,你可以使用RegressionTree预测块的统计和机器学习的图书馆或MATLAB工具箱™^®功能块的预测函数。有关示例,请参见预测使用RegressionTree预测块的反应和预测类标签使用MATLAB函数块。

当决定使用哪种方法,考虑以下几点:

如果你使用统计和机器学习工具库,您可以使用定点的工具(定点设计师)一个浮点模型转换为定点。
金宝app支持适应可变数组必须启用的MATLAB函数块预测函数。
如果使用MATLAB功能块,您可以使用MATLAB函数之前或之后预处理或后处理预测在同一MATLAB功能块。

扩展功能

高大的数组
计算和数组的行比装入内存。

这个函数完全支持高数组。金宝app您可以使用模型训练与这个函数在内存中或高数据。

有关更多信息,请参见高大的数组。

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

使用笔记和限制:

您可以生成C / c++代码预测和更新通过使用一个编码器配置。或者,只生成代码预测通过使用saveLearnerForCoder,loadLearnerForCoder,codegen。
- 代码生成的预测和更新——创建一个编码器配置使用learnerCoderConfigurer然后通过使用生成代码generateCode。然后你可以更新模型参数生成的代码,而不必重新生成代码。
- 代码生成的预测——保存一个训练有素的模型通过使用saveLearnerForCoder。定义一个入口点函数,通过使用加载保存模型loadLearnerForCoder并调用预测函数。然后使用codegen(MATLAB编码器)入口点函数来生成代码。

生成单精度C / c++代码预测,指定名称参数“数据类型”、“单”当你打电话给loadLearnerForCoder函数。
你也可以产生定点C / c++代码预测。定点代码生成需要一个额外的步骤,定义了定点预测所需的变量的数据类型。通过创建一个定点数据类型结构数据类型的函数生成的generateLearnerDataTypeFcn,使用的结构作为输入参数loadLearnerForCoder在一个入口点函数。需要生成定点C / c++代码MATLAB编码器™和定点设计师™。

此表包含的参数预测。参数不包括在这个表是完全支持。金宝app

论点	笔记和局限性
`Mdl`	使用笔记和限制的模型对象,明白了代码生成的`CompactRegressionTree`对象。
`X`	对于一般的代码生成`X`必须包含数字单精度和双精度矩阵或表变量,分类变量,或两者兼而有之。在编码器配置工作流,`X`必须是一个单精度和双精度矩阵。对于定点代码生成,`X`必须是一个定点矩阵。的行数,或观察`X`可以一个变量的大小,但列的数量`X`必须是固定的。如果你想指定`X`作为一个表,那么您的模型必须被训练使用一个表,和你的入口点函数的预测必须: 接受数据数组。创建一个表的数据输入参数并指定表中的变量名。通过表`预测`。这个表的一个示例工作流,请参阅生成代码对数据表进行分类。在代码生成中使用表格的更多信息,见代码生成表(MATLAB编码器)和表限制代码生成(MATLAB编码器)。
`子树`	名字必须编译时常量参数名称-值对。例如,允许用户定义的修剪水平在生成的代码中,包括`{coder.Constant(子树),coder.typeof (0, (1, n), [0,1])}`在`arg游戏`的价值`codegen`(MATLAB编码器),在那里`n`是`马克斯(Mdl.PruneList)`。的`“子树”`名称-值对的观点是不支持的编码器配置工作流。金宝app 对于定点代码生成,`“子树”`值必须是`coder.Constant(所有的)`或者有一个整数数据类型。

有关更多信息,请参见介绍代码生成。

GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。

使用笔记和限制:

预测执行GPU在这些情况下:
- 输入参数X是一个gpuArray或一个表包含gpuArray预测变量。
- 输入参数mdl是安装了GPU数组输入参数。
如果树模型训练与代理分裂,这些限制适用:
- 你不能指定输入参数X作为一个gpuArray。
- 你不能指定输入参数X作为一个表包含gpuArray元素。