紧凑的

决策树的紧凑集合

展开全部页面

描述

CMdl=紧凑(Mdl）的压缩版本Mdl,一个TreeBagger模型对象。你可以用CMdl正如你所能使用的Mdl．然而,由于CMdl不包含训练数据，您无法执行某些操作，例如使用oobPredict．

Mdl

创建的回归集成TreeBagger．

CMdl

一个紧凑的回归集合。CMdl是一流的CompactTreeBagger．

打开实时脚本

通过删除训练数据和参数来减少袋装分类树的完整集合的大小。然后，使用紧凑集成对象对新数据进行预测。使用紧凑的集成可以提高内存效率。

加载电离层数据集。

负载电离层

将随机数发生器设置为默认的再现性。

rng (“默认”）

使用整个数据集训练100个袋装分类树的集合。默认情况下,TreeBagger长在树的深处。

Mdl = TreeBagger(100,X,Y，.．.方法=“分类”）;

Mdl是一个TreeBagger用于分类树的集成。

的压缩版本Mdl．

CMdl =紧凑(Mdl)

CMdl = CompactTreeBagger集成100袋决策树:方法:分类NumPredictors: 34类名:'b' 'g'属性，方法

CMdl是一个CompactTreeBagger用于分类树的集成。

显示每个集成使用的内存量。

谁(“Mdl”，“CMdl”）

名称大小字节类属性CMdl 1x1 976936 CompactTreeBagger Mdl 1x1 1115742 TreeBagger

Mdl占用的空间比CMdl．

的CMdl。树属性是一个100 × 1的单元格向量，其中包含为集成训练的分类树。每棵树都是CompactClassificationTree对象。查看第一个训练好的分类树的图形显示。

视图(CMdl。树{1},Mode=“图”）;

预测的均值的标签X通过使用紧凑集成。

predMeanX = predict(CMdl,mean(X))

predMeanX =1x1单元阵列{' g '}