resubPredict

班级：RegressionTree

预测树木的再替代反应

全部展开页面

语法

Yfit = resubPredict(树) [Yfit、节点]= resubPredict(树) [Yfit、节点]= resubPredict(树、名称、值)

描述

Yfit= ResubPredict（树）返回答案树预测数据树。X．Yfit是关于树根据数据fitrtree用于创建树．

［Yfit，节点] = ResubPredict（树）的节点号树对于重新替换的数据。

［Yfit，节点] = ResubPredict（树，名称,值）带有一个或多个指定的附加选项的预测名称,值对论点。

输入参数

全部展开

`树`	使用的回归树`fitrtree`．

名称-值对的观点

指定可选的逗号分隔的对名称,值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

`'子树'`- - - - - -修剪水平
0(默认)|非负整数矢量|`“所有”`

修剪级别，指定为逗号分隔的对，由'子树'一个非负整数的升序或向量“所有”．

如果指定向量，则所有元素必须至少0在大多数马克斯(tree.PruneList)．0表示完整的、未修剪的树马克斯(tree.PruneList)表示被完全修剪的树(即根节点)。

如果您指定“所有”,然后resubPredict操作所有的子树(即，整个修剪序列)。这个规范等同于使用0：max（tree.prunelist）．

resubPredict牧师树的每一层子树，然后估计相应的输出参数。的大小子树确定某些输出参数的大小。

调用子树,属性PruneList和Prunealpha.的树必须是不懈的。换句话说，成长树通过设置“删除”,“上”，或修剪树使用修剪．

例子:“子树”,“所有”

数据类型:单|双|char|字符串

输出参数

Yfit

响应树预测训练数据。

如果子树名称值参数是标量或缺失，标签数据类型是否与培训响应数据相同树。Y．

如果子树包含米>1条目,标签有米列，每个列表示对应子树的预测。

节点

的树节点的数量,树发送每个数据行。

如果子树名称值参数是标量或缺失，节点是一个数字列向量n行，相同的行数为树。X．

如果子树包含米>1条目,节点是一个n-经过-米矩阵。每个列表示相应子树的节点预测。

例子

全部展开

计算样本内MSE

打开直播脚本

加载Carsmall.数据集。考虑位移，马力，和重量作为回应的预测因素英里/加仑．

负载Carsmall.x = [位移马力重量];

使用所有的观察结果生长一棵回归树。

mdl = fitrtree（x，mpg）;

计算重新替换MSE。

Yfit = resubPredict (Mdl);意思是((Yfit - Mdl.Y) ^ 2)。

ANS = 4.8952.

您可以使用相同的结果resubLoss．

Resubloss（MDL）

ANS = 4.8952.

对每个子树的样本响应估算

打开直播脚本

加载Carsmall.数据集。考虑重量作为反应的预测器英里/加仑．

负载Carsmall.IDXNAN = ISNAN（MPG +重量）;x =重量（〜idxnan）;y = mpg（〜idxnan）;n = numel（x）;

使用所有的观察结果生长一棵回归树。

Mdl = fitrtree (X, Y);

计算子树在多个修剪层次上的再替换拟合值。

m = max (Mdl.PruneList);pruneLevels = 1:4: m;百分比修剪水平要考虑z = numel（pruneelevels）;Yfit = ResubPredict（MDL，“子树”，prunelevels）;

Yfit是一个n-经过-z拟合值矩阵，其中行对应观测值，列对应子树。

绘制几列Yfit和Y对X．

图;sortDat = sortrows([X Y Yfit]，1);%根据X排序所有数据情节(repmat (sortDat(: 1), 1,尺寸(Yfit, 2) + 1), sortDat(:, 2:结束)．..%为效率向量化列弗= cellstr (num2str ((pruneLevels) ',“水平% d MPG”））;传奇（[“观察到的MPG”；列弗])标题“样本内拟合响应”XLabel.的体重(磅)；ylabel.“英里”；h = findobj（gcf）;设置（h（4：结束），“线宽”3，3）加宽所有线条