主要内容
FeatureTransformer
生成功能转换
描述
创建
创建一个FeatureTransformer对象的gencfeatures.函数。
属性
例子
生成和检查功能
利用预测器数据表生成特征gencfeatures.．控件检查生成的特性描述对象的功能。
将停电数据作为表读取到工作区中。删除缺少值的观察，并显示表的前几行。
中断= readtable (“outages.csv”）;台= rmmissing(中断);头(台)
ans =.8×6表地区OutageTime RestorationTime造成损失客户 _____________ ________________ ______ __________ ________________ ___________________ {' 西南的}2002-02-01 12:18 458.98 - 1.8202 e + 06 2002-02-01 16:50{“暴风雪”}{“东南”}2003-02-07)21:15 289.4 - 1.4294 e + 05 2003-02-07 08:14{“暴风雪”}{‘西方’}2004-04-06 05:44 434.813.4037e+05 2004-04-06 06:10 {'equipment fault'} {'MidWest'} 2002-03-16 06:18 23:23 {'severe storm'} {'West'} 2003-06-18 02:49 00 2003-06-18 10:54 {'attack'} {'NorthEast'} 2003-07-16 16:23 239.93 49434 2003-07-17 01:12 {'fire'} {'MidWest'} 2004-09-27 11:09 286.72 66104 2004-09-27 16:37 {'equipment fault'}2004-09-05 17:48 73.387 36073 2004-09-05 20:46{'设备故障'}
一些变量，比如OutageTime和RestorationTime，具有类别训练功能的不支持的数据类型金宝appfitcensemble．
从预测器中生成25个特性资源描述那可以用来训练一套宽松的服装。指定地区表变量作为响应。
变压器= gencfeatures(资源描述,“地区”25岁的“TargetLearner”，“包”）
变压器= FeatureTransformer具有属性：类型：'分类'TargetLearner：'袋'NumengineReedures：22码码型：3 Totalnumfeatures：25
的变压器对象包含关于生成的特性和用于创建它们的转换的信息。
要更好地理解生成的特性，请使用描述对象的功能。
信息=描述(变压器)
info =25×4表键入IsOriginal InputVariables变换___________ __________ ___________________________ _________________________________________________________________________________________________________________损耗数值真损失“” C（原因）范畴真正原因“类型分类的变量从一个单元中的数据类型转换”，“数字真顾客顾客” RestorationTime-OutageTime数字假OutageTime，RestorationTime“经过时间在几秒钟内以秒为单位，在几秒钟之间“SDN（OutageTime）数字虚假超越OUTME”从01-FEB-2002-2002 12:18:00“WOE3（C（原因））数字错误原因”从单元数据转换的类型分类的变量类型 - >证据的重量（正面=东南）“DOY（OutageTime）数字虚假超越”一年中的一天“年”年（OutageTime）数字虚假过帐“年”KMD1数字假丢失，客户“欧几里德距离地点1（kmeansk = 10）“KMD5数字假丢失，客户”euclidean distance到质心5（kmeans群集与k = 10）“四分之一（OutageTime）数字假OutageTime”一年中的季度“WOE2（C（原因））数字错误原因”从单元数据类型转换的类型分类的变量“证据（正面级别=东北）“年（恢复时间）数字错误恢复时间”年“月”月份（OutageTime）数字虚假过帐“年的月份”亏损。*客户数字假丢失，客户“丢失”）数字虚假超越“一天中的时间”⋮
的信息表中显示如下:
前三个生成的特性是原始的
资源描述，尽管软件可以转换原始文件导致变量变成分类变量c(原因)．的
OutageTime和RestorationTime变量没有作为生成的特性包含在内，因为它们是datetime变量，不能用于训练袋装集成模型。然而，该软件从这些变量中派生出许多生成的特性，例如第四个特性RestorationTime-OutageTime．一些生成的特性是多个转换的组合。例如，该软件生成第六个特性
WOE3（C（原因））通过转换导致变量到分类变量，然后计算结果变量的证据权重值。
使用生成的功能子集进行列车模型
仅使用由返回的数字生成的特征来训练线性分类器gencfeatures.．
加载病人数据集。从变量的子集创建一个表。
负载病人台=表(年龄、舒张压、高度、SelfAssessedHealthStatus．..吸烟者、收缩压、体重、性别);
将数据划分为训练集和测试集。使用大约70%的观察数据作为训练数据，30%的观察数据作为测试数据。使用cvpartition．
rng (“默认”) c = cvpartition(Tbl.)性别、“坚持”, 0.30);TrainTbl =(资源(培训(c):);TestTbl =台(测试(c):);
使用训练数据生成25个新特征。指定最小冗余最大相关性(MRMR)特征选择方法来选择新特征。
变压器= gencfeatures (TrainTbl,“性别”25岁的．..“peazerseltionmethod”，“mrmr”）
Type: 'classification' TargetLearner: 'linear' NumEngineeredFeatures: 24 NumOriginalFeatures: 1 TotalNumFeatures: 25
检查生成的特性。
信息=描述(变压器)
info =25×4表类型甲型Insoliginal Inputvarizations转型___________ ___________________________________________________________________________c（收缩系统））数字假收缩“SQRT（） - >具有Z分数的标准化（平均值= 11.086，STD = 0.29694）”ZSC（SIN（SIN（SYSTOLIC））数字错误的收缩系统“SIN（） - >标准化与Z-score（平均= -0.1303，std = 0.72575）“zsc（systolic./weight）数字假收缩，重量”收缩性./重量 - >标准化与z-score（平均值= 0.82662，std = 0.14555）“zsc（年龄+重量）数字错误年龄，重量“年龄+重量 - >具有z分数的标准化（平均值= 191.1143，std = 28.6976）”zsc（年龄/重量）数字错误年龄，重量“年龄/重量 - >标准化与z分数标准化（平均值= 0.25424，STD= 0.062486）“Zsc（舒张压率*重量）数字假舒张，重量”舒张。*重量 - >标准化与Z分数（平均值= 12864.6857，STD = 2731.1613）“Q6（高度）分类假高度”Quiprobable Binning（Number箱= 6）“Zsc（收缩+重量）数值假收缩，重量”收缩+重量 - >具有Z分数的标准化（平均值= 276.1429，STD = 28.7111）“ZSC（舒张重量）数字假舒张，重量”舒张 - 重量 - >用Z分数标准化（平均值= -69.4286，STD = 26.2411）“ZSC（年龄重量）数字错误年龄，重量”年龄 - 重量 - >具有Z分数的标准化（平均值= -115.2，STD= 27.0113）“ZSC（高度为/重）数字假高度，重量”高度“/重量 - >具有Z分数的标准化（平均值= 0.44797，STD = 0.067992）”ZSC（高度。*重量）数字错误高度，重量“高度。*重量 - >标准化用Z分数（平均值= 10291.0714，STD = 2111.9071）”ZSC（舒张压+重量）数字假舒张，重量“舒张+重量 - >标准化具有z-score（平均值= 236.8857，std = 29.2439）“zsc（年龄。*重量）数字错误年龄，重量”年龄。*重量 - >用z分数标准化（平均值= 5836.5571，std = 1621.0685）“⋮
转换训练和测试集，但只保留数字预测器。
numericIdx =(信息。类型= =“数字”）;NewTrainTbl =变换(变压器、TrainTbl、numericIdx);NewTestTbl =变换(变压器、TestTbl、numericIdx);
使用转换后的训练数据训练线性模型。使用混淆矩阵可视化模型测试集预测的准确性。
Mdl = fitclinear (NewTrainTbl TrainTbl.Gender);NewTestTbl testLabels =预测(Mdl);confusionchart (TestTbl.Gender testLabels)
在R2021A介绍
你也可以从以下列表中选择一个网站:
