预测估计重要性的排列out-of-bag预测观测随机森林回归树
返回一个向量的out-of-bag,预测估计排列重要性使用随机森林回归树小鬼
= oobPermutedPredictorImportance (Mdl
)Mdl
。Mdl
必须是一个RegressionBaggedEnsemble
模型对象。
当越来越多的随机森林使用fitrensemble
:
标准车往往选择分裂预测包含许多不同的值,例如,连续变量,在那些包含几个不同的值,例如,分类变量[3]。如果预测数据集是异构的,或者有预测比其他变量的不同值相对较少,那么考虑指定曲率或交互测试。
树木种植使用标准的车不敏感的预测变量的交互。这种树木也不容易识别的重要变量的存在许多不相关的预测比应用程序交互的测试。因此,考虑到预测的相互作用和识别变量重要性的存在许多不相关的变量,指定交互测试[2]。
如果你想要的训练数据包括许多预测和分析预测的重要性,然后指定“NumVariablesToSample”
的templateTree
函数作为“所有”
树学习者的合奏。否则,软件可能不选择一些预测,低估了它们的重要性。
更多细节,请参阅templateTree
和选择分割预测选择技术。
[1]Breiman, L。,J. Friedman, R. Olshen, and C. Stone.分类和回归树。波卡拉顿,FL: CRC出版社,1984年。
[2]Loh, W.Y.“回归树与公正的变量选择和交互检测。”Statistica中央研究院12卷,2002年,页361 - 386。
[3]Loh,施W.Y.和屈服强度。“分裂选择分类树的方法。”Statistica中央研究院7卷,1997年,页815 - 840。