火车分类集合

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'}

也可以看看

fitcensemble.|预测

相关话题

• 火车回归合奏
• 选择随机林的预测器
• 决策树
• 合奏算法
• 集合学习的框架