此示例显示了如何为其创建分类树集合电离层
数据集,并使用它来预测雷达返回的分类,具有平均测量。
加载电离层
数据集。
加载电离层
培训分类集合。对于二进制分类问题,fitcensemble.
使用LogitBoost聚合100个分类树。
mdl = fitcensemble(x,y)
mdl = classificationsemble racalthingeame:'y'pationoricalpricictors:[] classnames:{'b'g'} scoreTransform:'none'numobservations:351 numtromed:100方法:'logitboost'学习名称游戏:{'树'}原理:'正常终止完成所要求的培训周期后。fitinfo:[100x1 double] fitinfodescription:{2x1 cell}属性,方法
MDL.
是A.分类素..
模型。
在集合中绘制第一训练分类树的图表。
查看(mdl.tromed {1} .compactregressionlearner,'模式'那'图形');
默认情况下,fitcensemble.
为提升算法生长浅树。您可以通过传递树模板对象来更改树深度fitcensemble.
。有关更多详细信息,请参阅Templatetree.
。
预测平均预测器测量的雷达返回的质量。
标签=预测(MDL,均值(x))
标签=1x1细胞阵列{'G'}