主要内容

surrogateAssociation

回归树中代理分割关联的平均预测度量

全部展开页面

语法

马= surrogateAssociation(树)
马= surrogateAssociation(树,N)

描述

嘛= Trustogateassociation（树）中的预测器的关联预测度量的矩阵树．

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．

输入参数

树

用fitrtree或者构建的紧凑型回归树袖珍的．

N

节点号向量树．

输出参数

嘛

  • 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,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)．

例子

全部展开

打开直播脚本

加载Carsmall.数据集。指定位移，马力， 和重量作为预测变量。

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。

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= surrogateAssociation(树)
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

更多关于

全部展开

算法

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。

扩展功能

另请参阅

||

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书