包:classreg.learning.regr
超类:CompactRegressionEnsemble
整体回归
RegressionEnsemble
结合一组训练过的弱学习器模型和这些学习器训练过的数据。它可以通过聚合来自弱学习器的预测来预测新数据的集成响应。
使用创建回归集成对象fitrensemble
.
|
的单元格数组指定的数值预测器的Bin边p数字向量,其中p是预测因子的数量。每个向量都包含数值预测器的bin边。类别预测器的单元格数组中的元素为空,因为软件不收纳类别预测器。 类型时,软件才会对数值预测器进行分类 您可以重新生成已归档的预测器数据 X = mdl.X;%预测数据Xbinned = 0(大小(X));edges = mdl.BinEdges;查找已分类预测符的索引。idxNumeric = find(~cellfun(@isempty,edges));if iscolumn(idxNumeric) idxNumeric = idxNumeric';end for j = idxNumeric x = x (:,j);如果x是一个表,则将x转换为数组。If stable(x) x = table2array(x);将x分组到箱子中
Xbinned 包含数值预测器的容器索引,范围从1到容器数。Xbinned 类别预测器的值为0。如果X 包含南 S,然后是对应的Xbinned 值是南 年代。 |
|
分类预测指标,指定为正整数向量。 |
|
描述集合如何结合学习者预测的字符向量。 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型对分类变量使用编码,则 |
|
拟合信息的数字数组。的 |
|
字符向量描述的含义 |
|
集合中包含弱学习器名称的字符向量的单元数组。每个学习者的名称只出现一次。例如,如果你有100棵树的集合, |
|
超参数的交叉验证优化的描述,存储为
|
|
带有算法名称的字符向量 |
|
训练参数 |
|
包含训练数据中观察数的数字标量。 |
|
集合中受过训练的学习者的数量,一个正标量。 |
|
预测变量名称的单元格数组,按它们出现的顺序排列 |
|
描述原因的字符向量 |
|
|
|
具有响应变量名称的字符向量 |
|
转换分数的函数句柄,或表示内置转换函数的字符向量。 添加或更改 ens.ResponseTransform = @函数 |
|
训练有素的学习者,一个单元阵列的紧凑回归模型。 |
|
集合分配给它的学习器的权重的数字向量。集成通过聚合来自其学习者的加权预测来计算预测的响应。 |
|
的比例 |
|
训练集合的预测值的矩阵或表。的每一列 |
|
具有相同行数的数值列向量 |
紧凑的 |
创建紧凑的回归集成 |
crossval |
交叉验证集成 |
cvshrink |
交叉验证收缩(修剪)集成 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
回归误差 |
partialDependence |
计算部分依赖关系 |
plotPartialDependence |
创建部分依赖图(PDP)和个别条件期望图(ICE) |
预测 |
使用回归模型集成预测响应 |
predictorImportance |
回归集合预测因子重要性的估计 |
规范 |
找到最小重替换误差和惩罚项的权重 |
removeLearners |
删除紧凑回归集成的成员 |
resubLoss |
回归误差的再替换 |
resubPredict |
用置换法预测系统的响应 |
重新开始 |
简历培训套装 |
沙普利 |
沙普利值 |
缩小 |
修剪合奏 |
价值。要了解值类如何影响复制操作,请参见复制对象.
对于回归树的集合,使用训练有素的
属性包含的单元格向量ens.NumTrained
CompactRegressionTree
模型对象。用于树的文本或图形显示t
在单元格向量中,输入
视图(实体。训练有素的{t})