CompactTreeBagger类
紧凑的整体决策树生长的引导聚合
描述
CompactTreeBagger
类是一个轻量级的类包含使用树木生长TreeBagger
。CompactTreeBagger
不保存任何信息如何TreeBagger
增长的决策树。它不包含输入数据用于植树,它也不包含训练参数如最小叶大小或数量的变量抽样随机分割为每一个决定。你只能使用CompactTreeBagger
预测的反应训练合奏了新的数据X
和其他相关功能。
CompactTreeBagger
让你将训练整体保存到磁盘,或以任何其他方式使用它,而丢弃培训数据和各种参数的配置无关的预测反应的成年。这样可以减少存储和内存需求,尤其是对乐团训练在大型数据集。
建设
CompactTreeBagger | 创建CompactTreeBagger 对象 |
创建一个紧凑的版本CMdl
=紧凑(Mdl
)Mdl
,一个TreeBagger
模型对象。你可以预测回归使用CMdl
完全可以使用Mdl
。然而,由于CMdl
不包含训练数据,你无法执行一些操作,比如让out-of-bag预测使用oobPredict
。
对象的功能
结合 |
结合两个乐团 |
错误 |
错误(错误分类概率或MSE) |
保证金 |
分类保证金 |
mdsprox |
多维标度的距离矩阵 |
meanMargin |
意思是分类保证金 |
outlierMeasure |
离群值测量数据整体的决策树 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
预测 |
使用的袋装决策树预测反应 |
接近 |
距离矩阵的决策树中的数据 |
setDefaultYfit |
设置默认值预测 |
属性
|
的 |
|
的 分类,你可以设定这个属性 对于回归,可以将此属性设置为任何数字标量。默认是对训练数据响应的均值。 |
|
的 |
|
的 |
|
的 |
|
的 |
|
的 |
|
的 |
|
的 |
例子
复制语义
价值。学习如何影响你的使用类的,看到的类比较处理和价值在MATLAB®面向对象编程的文档。
提示
的树
的属性CMdl
存储单元向量的CMdl.NumTrees
CompactClassificationTree
或CompactRegressionTree
模型对象。文本或图形显示的树t
在细胞中向量,输入
视图(CMdl.Trees {t})