CategoricalPredictors

分类预测索引指定为正整数的向量。CategoricalPredictors包含与包含分类预测器的预测器数据列对应的索引值。如果没有预测器都是分类的，则此属性是空的（[]).

ClassNames

List of the elements inY删除了重复项。ClassNamescan be a numeric vector, categorical vector, logical vector, character array, or cell array of character vectors.ClassNames具有the same data type as the data in the argumentY。(The software treats string arrays as cell arrays of character vectors.)

CombineWeights

描述如何的字符矢量ens结合弱学习权重，也可以结合'WeightedSum'或者'WeightedAverage'。

ExpandedPredictorNames

扩展的预测器名称，存储为字符向量的单元格数组。

If the model uses encoding for categorical variables, thenExpandedPredictorNames包括描述扩展变量的名称。除此以外，ExpandedPredictorNamesis the same asPredictorNames。

FitInfo

拟合信息的数字数组。这FitInfoDescriptionproperty describes the content of this array.

FitInfoDescription

描述含义的字符矢量FitInfoarray.

FResample

数字标量0和1。FResampleis the fraction of training datafitcensemble.在构建集合时，随机重新采样。

HyperparameterOptimizationResults

超参数的交叉验证优化的描述，存储为a贝叶斯偏见object or a table of hyperparameters and associated values. Nonempty when the优化hyperParameters.名称 - 值对在创建时是非空的。价值取决于设置的设置HyperParameterOptimizationOptions.name-value pair at creation:

Method

描述创造方法的字符矢量ens。

ModelParameters

用于培训的参数ens。

麻木

培训的弱学习者数量ens，一个标量。

PredictorNames

Cell array of names for the predictor variables, in the order in which they appear inX。

原理

描述原因的字符矢量fitcensemble.stopped adding weak learners to the ensemble.

代替

Logical value indicating if the ensemble was trained with replacement (真的) or without replacement (false).

ResponseName

Character vector with the name of the response variableY。

ScoreTransform

用于转换分数的功能手柄，或表示内置变换函数的字符矢量。'none'means no transformation; equivalently,'none'means@(x)x。有关内置转换功能列表和自定义转换功能的语法，请参阅fitctree。

添加或更改ScoreTransform功能using dot notation:

ens.ScoreTransform = '功能'

或者

ens.ScoreTransform = @功能

Trained

Trained learners, a cell array of compact classification models.

TrainedWeights

Numeric vector of trained weights for the weak learners inens。TrainedWeights具有T元素，在哪里T是弱者的数量learners。

Umeryobsforlearner.

逻辑矩阵的大小N-by-麻木， 在哪里Nis the number of observations in the training data and麻木is the number of trained weak learners.Umeryobsforlearner.(I,J)is真的if observationIwas used for training learnerJ， 并且是falseotherwise.

W

Scaled重量, a vector with lengthn, the number of rows inX。元素的总和Wis1。

X

Matrix or table of predictor values that trained the ensemble. Each column ofXrepresents one variable, and each row represents one observation.

Y

一个分类阵列，字符向量，字符阵列，逻辑向量的单元阵列，或具有相同行数的数字矢量X。Each row ofY表示相应行的分类X。