文档帮助中心文档
回归树中代理分割关联的平均预测度量
马= surrogateAssociation(树)马= surrogateAssociation(树,N)
嘛= Trustogateassociation(树)中的预测器的关联预测度量的矩阵树.
嘛= Trustogateassociation(树)
嘛
树
嘛= Trustogateassociation(树,N)返回向量中节点的平均关联预测度量值的矩阵N.
嘛= Trustogateassociation(树,N)
N
用fitrtree或者构建的紧凑型回归树袖珍的.
fitrtree
袖珍的
节点号向量树.
马= surrogateAssociation(树)返回一个P-经过-P矩阵,其中P预测器的数量在吗树.马(我,j)是个联想预测测量在变量上的最佳分割之间我和一个替代品在变量上分裂j.有关更多详细信息,请参阅算法.
马= surrogateAssociation(树)
P
马(我,j)
我
j
马= surrogateAssociation(树,N)返回一个P-经过-P表示矢量变量与矢量的变量之间关联的预测措施N.N包含来自的节点号1来马克斯(tree.NumNodes).
马= surrogateAssociation(树,N)
1
马克斯(tree.NumNodes)
全部展开
加载Carsmall.数据集。指定位移,马力, 和重量作为预测变量。
Carsmall.
位移
马力
重量
负载Carsmall.x = [位移马力重量];
使用成长回归树英里/加仑作为响应。指定对缺失值使用代理分割。
英里/加仑
树= fitrtree (X,英里/加仑,“代孕”,“上”);
找出预测变量之间关联的平均预测度量。
马=3×31.0000 0.2167 0.5083 0.4521 1.0000 0.3769 0.2540 0.2659 1.0000
找出中奇数节点上平均的关联的平均预测度量树.
N = 1:2: tree.NumNodes;马= surrogateAssociation(树,N)
马=3×31.0000 0.1250 0.6875 0.5632 0.5861 0.3333 0.3148 1.0000
的联想预测测量是一个值,该值指示分割观察的决策规则之间的相似性。在所有可能的决策分裂中,与最优分裂(通过生长树发现)相比,最好的代理决策分裂产生最大的关联预测度量。第二次最佳代理拆分具有第二大的关联预测措施。
假设xj和xk预测变量j和k分别为,j≠k.在节点t,最优分割之间关联的预测度量xj<u和代理分裂xk<v是
λ. j k = 最小值 ( P l , P R ) − ( 1 − P l j l k − P R j R k ) 最小值 ( P l , P R ) .
Pl节点中观测值的比例是多少t,这样的xj<u.下标l代表节点的左侧孩子t.
PR节点中观测值的比例是多少t,这样的xj≥u.下标R表示节点的右子节点t.
P l j l k 是节点的观察比例t,这样的xj<u和xk<v.
P R j R k 是节点的观察比例t,这样的xj≥u和xk≥v.
缺少值的观察xj或者xk不要有助于比例计算。
λ.jk是(-∞,1)中的值。如果λ.jk> 0,然后xk<v是否值得分割xj<u.
一个代理决策分裂是决策树中给定节点上的最优决策分割的替代方案。通过树的生长找到最优分裂;替代分割使用相似或相关的预测变量和分割标准。
当某个观察的最佳分割预测器的值丢失时,将使用最佳代理预测器将该观察发送到左或右子节点。当观察的最佳代理分裂预测器的值也丢失时,将使用第二最佳代理预测器将观察发送到左或右子节点,以此类推。候选分割按降序排列联想预测测量.
元素马(我,j)关联的预测测量是否超过预测因子的代理分割j对于哪个预测指标我为最优分裂预测器。这个平均值是通过对预测器的最优分割上的关联的预测测量的正值求和来计算的我和替代在预测器上分裂j并除以预测器上的最佳分裂总数我,包括预测指标之间关联的预测度量我和j是负的。
此功能完全支持GPU阵列。金宝app有关更多信息,请参阅在GPU上运行MATLAB函数(并行计算工具箱).
修剪|回归植物|fitrtree
修剪
回归植物
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
您还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。
与当地办事处联系