回归的学习者 | 使用监督机器学习训练回归模型来预测数据 |
RegressionEnsemble预测 | 使用决策树进行回归预测响应 |
了解集成学习的不同算法。
利用许多弱学习者获得高度准确的预测。
训练一个简单的回归集合。
学习评价集成的预测质量的方法。
使用交互测试算法选择随机森林的分裂预测器。
在不降低预测性能的情况下,自动为集成选择较少的弱学习者。
使用TreeBagger的回归树的Bootstrap聚集(Bagging)
创建一个TreeBagger
回归的合奏。
通过运行来加速计算TreeBagger
并行执行。
使用分位数随机森林检测数据中的异常值。
利用分位数随机森林估计给定预测数据的响应的条件分位数,并利用核平滑估计响应的条件分布函数。
使用贝叶斯优化优化分位数随机森林。
使用RegressionEnsemble Predict Block预测响应
训练具有最优超参数的回归集成模型,然后使用RegressionEnsemble预测响应预测块。