预测

使用分类模型集成对观测值进行分类

在第页中展开全部

语法

标签=预测（Mdl，X）

标签=预测（Mdl、X、名称、值）

[标签、分数]=预测(___)

描述

标签=预测(Mdl,X)返回表或矩阵中预测器数据的预测类标签向量X，基于完整的或紧凑的、经过训练的分类集成Mdl.

标签=预测(Mdl,X,名称、值)使用一个或多个指定的附加选项名称、值配对参数。

[标签,分数]=预测(___)还返回分类矩阵分数(分数)，表示标签来自特定类的可能性，使用前面语法中的任何输入参数X，预测的类别标签对应于所有类别中的最大分数。

输入参数

Mdl

由菲特森布尔或者由契约.

X

要分类的预测数据，指定为数字矩阵或表格。

每行X对应一个观察值，每列对应一个变量。

对于数值矩阵：
- 组成列的变量X必须与训练的预测变量具有相同的顺序Mdl.
- 如果你受过训练Mdl使用表格（例如，Tbl)那么X可以是数字矩阵，如果Tbl包含所有数值预测器变量。若要在中处理数值预测器，请执行以下操作：Tbl作为培训期间的分类预测，使用分类预测因子的名称-值对参数菲特森布尔如果Tbl包含异构预测变量（例如，数字和分类数据类型）和X是一个数值矩阵，那么预测抛出一个错误。
对于表格：
- 预测不支持多列变量或字金宝app符向量的单元格数组以外的单元格数组。
- 如果你受过训练Mdl使用表格（例如，Tbl)，然后在X必须具有与培训对象相同的变量名和数据类型Mdl（储存于Mdl.1名称)。但是X不需要对应于的列顺序Tbl.Tbl和X可以包含其他变量（响应变量、观察权重等），但预测忽视他们。
- 如果你受过训练Mdl使用数字矩阵，然后将预测值命名为Mdl.1名称和中相应的预测变量名称X一定是一样的。要在培训期间指定预测值名称，请参阅预测器名称的名称-值对参数菲特森布尔.中的所有预测变量X必须是数字向量。X可以包含其他变量（响应变量、观察权重等），但预测忽视他们。

名称值参数

指定可选的逗号分隔的字符对名称、值论据。名称是参数名和价值是对应的值。名称必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：名称1，值1，…，名称，值.

学习者

弱学习者指数预测用于计算响应，数值向量。

违约：1:T哪里T在中国有多少弱学习者Mdl

用于学习者

大小的逻辑矩阵N-借-T，其中：

N是的行数X.
T在中国有多少弱学习者Mdl.

什么时候用于学习者（i，j）是符合事实的学习者J用于预测行的类别我属于X.

违约：真（N，T）

输出参数

`标签`	分类标签向量。`标签`与培训中使用的标签具有相同的数据类型`Mdl`.（软件将字符串数组视为字符向量的单元数组。）
`分数`	一个矩阵，每个观察值一行，每个类别一列。对于每个观察值和每个类别，分数表示观察值来源于该类别的置信度。分数越高表示置信度越高。有关更多信息，请参阅乐谱（合奏）.

例子

全部展开

利用分类集成预测类标签

打开实时脚本

加载Fisher的iris数据集。确定样本大小。

负载鱼腥草N=尺寸（平均值，1）；

将数据划分为训练集和测试集。拿出10%的数据进行测试。

rng（1）；%为了再现性cvp=cvp（N，“坚持”,0.1); idxTrn=培训（cvp）；%训练集索引idxTest=试验（cvp）；%测试集索引

将训练数据存储在表中。

tblTrn=array2table（meas（idxTrn，：）；tblTrn.Y=species（idxTrn）；

使用AdaBoostM2和训练集训练分类集合。指定树桩作为弱学习者。

t=模板树(“MaxNumSplits”，1）；Mdl=fitcensemble（tblTrn，“是的”,“方法”,“AdaBoostM2”,“学习者”，t）；

预测测试集的标签。您使用数据表训练模型，但可以使用矩阵预测标签。

标签=预测（Mdl，meas（idxTest，：）；

为测试集构造一个混淆矩阵。

混淆图（物种（idxTest），标签）

图中包含ConfusionMatrixChart类型的对象。

Mdl将测试集中的一个杂色虹膜误分类为virginica。

替代功能

金宝app模拟块

将集合预测集成到Simulink中金宝app^®，你可以使用分类编码预测统计和机器学习工具箱中的块™ 库还是MATLAB^®带有预测作用有关示例，请参见使用ClassificationsImple Predict块预测类标签和利用MATLAB函数块预测类标签.

在决定使用哪种方法时，请考虑以下几点：

如果使用统计和机器学习工具箱库块，则可以使用定点工具（定点设计器）将浮点模型转换为定点。
金宝app对于具有的MATLAB功能块，必须启用对可变大小数组的支持预测作用
如果使用MATLAB功能块，则可以在同一MATLAB功能块中的预测之前或之后使用MATLAB函数进行预处理或后处理。

扩展能力

高阵
使用行数超过内存容量的数组进行计算。

此函数完全支持高数组。有关更多信息，请参金宝app阅高阵.

C/C++代码生成
使用Matlab®编码器生成C和C++代码™.

使用说明和限制：

使用saveLearnerForCoder,loadLearnerForCoder和编码基因（MATLAB编码器）为预测函数。使用保存经过训练的模型saveLearnerForCoder.定义一个入口点函数，通过使用loadLearnerForCoder打电话给预测函数。然后使用编码基因为入口点函数生成代码。
为生成单精度C/C++代码预测，指定名称值参数“数据类型”，“单个”当你打电话给loadLearnerForCoder作用
您还可以为其生成定点C/C++代码预测。定点代码生成需要一个附加步骤，该步骤定义预测所需变量的定点数据类型。使用数据类型函数产生于generateLearnerDataTypeFcn，并将该结构用作的输入参数loadLearnerForCoder在入口点函数中。生成定点C/C++代码需要MATLAB编码器™和定点设计器™.
为数据生成定点代码预测包括为单个学习者传播数据类型，因此可能会非常耗时。

此表包含有关的参数的注释预测。完全支持此表中未包含的参数。金宝app

论点	注意事项和限制
`Mdl`	有关模型对象的使用说明和限制，请参见代码生成的`压缩分类插入码`对象
`X`	对于一般代码生成，`X`必须是单精度或双精度矩阵或包含数值变量、分类变量或两者的表。对于定点代码生成，`X`必须是不动点矩阵。中的行数或观察数`X`可以是可变大小，但中的列数`X`必须修复。如果要指定`X`作为表，则必须使用表对模型进行训练，并且预测的入口点函数必须：接受数据作为数组。从数据输入参数创建一个表，并在表中指定变量名称。把桌子递给`预测`. 有关此表格工作流的示例，请参见生成代码对表中的数据进行分类。有关在代码生成中使用表的详细信息，请参阅表的代码生成（MATLAB编码器）和表1代码生成的限制（MATLAB编码器）.
名称-值对参数	名称-值对参数中的名称必须是编译时常量。例如，要在生成的代码中允许用户定义多达5个弱学习者的索引，请包括`{coder.Constant（'Learners'），coder.typeof（0[1,5]，[0,1]）}`在`-args`价值`编码基因`（MATLAB编码器）.
`“学习者”`	对于定点代码生成`“学习者”`值必须具有整数数据类型。

有关详细信息，请参阅代码生成简介.

GPU阵列
通过使用并行计算工具箱在图形处理单元（GPU）上运行来加速代码™.

使用说明和限制：

预测在以下情况下在GPU上执行：
- 输入参数X是一个gpuArray或包含gpuArray预测变量。
- 输入参数mdl已安装GPU阵列输入参数。
如果使用代理项拆分对树模型进行训练，则以下限制适用：
- 不能指定输入参数X作为一个gpuArray.
- 不能指定输入参数X作为包含gpuArray元素。