computeobprediction.

应计算指定是否应该计算用于训练观察的袋子预测的逻辑标志。默认为假。

If this flag is真正，这following properties are available:

If this flag is真正，这following methods can be called:

computeoobpredictorimportance.

应计算指定是否应计算可变重要性外包估计的逻辑标志。默认为假。If this flag is真正， 然后computeobprediction.也是如此。

If this flag is真正，这following properties are available:

Cost

Square matrix, where成本（i，j）是T.he cost of classifying a point into classj如果一世T.s true class is一世（即，行对应于真实类，列对应于预测类）。行和列的顺序Cost对应于类的顺序Classnames.。该number of rows and columns inCost是T.he number of unique classes in the response.

这个属性是：

DefaultYfit

Default value returned by预测和oobPredict。该DefaultYfitproperty controls what predicted value is returned when no prediction is possible. For example, whenoobPredictneeds to predict for an observation that is in-bag for all trees in the ensemble.

deltacriteriondecisionplit.

一个数字1-by-的数字数组Nvars分裂标准的变化总结了每个变量的分裂，平均整个成长树的整体。

InBagFraction

随机选择的观察分数，用于替换每个引导副本。每个副本的大小是谈判×InBagFraction那where谈判是培训集中的观测数量。默认值为1。

mergeleaves.

一个逻辑标志，指定与同一父级的决策树是否留下的拆分是不降低总风险的拆分。默认值是假。

方法

树木使用的方法。可能的值是'classification'对于分类集合，和'regression'对于回归合奏。

minleafsize.

每棵树叶的最小观察数。默认，minleafsize.是1 for classification and 5 for regression. For decision tree training, the明蛋白value is set equal to2 * minleafsize.。

NumTrees

标量值等于合奏中的决策树数。

numpredictorsplit

一个数字1-by-的数字数组Nvars那where every element gives a number of splits on this predictor summed over all trees.

numpredictorstosample.

Number of predictor or feature variables to select at random for each decision split. By default,numpredictorstosample.等于分类的分类总数的平方根，以及回归的总变量总数的三分之一。

Oobindices.

逻辑阵列大小谈判-by-NumTrees那where谈判是培训数据和培训数据的观察数NumTrees是集合中的树木数量。一种真正value for the (一世那j）元素表示观察一世是树的袋子j。In other words, observation一世was not selected for the training data used to grow treej。

oobinstance uight.

大小的数字数组谈判-1包含用于计算每次观察的禁止袋响应的树木数量。谈判是T.he number of observations in the training data used to create the ensemble.

OOBPermutedPredictorCountRaiseMargin

一个数字1-by-的数字数组Nvarscontaining a measure of variable importance for each predictor variable (feature). For any variable, the measure is the difference between the number of raised margins and the number of lowered margins if the values of that variable are permuted across the out-of-bag observations. This measure is computed for every tree, then averaged over the entire ensemble and divided by the standard deviation over the entire ensemble. This property is empty for regression trees.

OOBPermutedPredictorDeltaError

一个数字1-by-的数字数组Nvars包含每个预测变量（特征）的重要性衡量标准。对于任何变量，如果在袋袋外观察结果允许该变量的值，则测量值是预测误差的增加。对于每棵树计算此措施，然后在整个集合上平均并除以整个集合的标准偏差。

OOBPermutedPredictorDeltaMeanMargin

一个数字1-by-的数字数组Nvars包含每个预测变量（特征）的重要性衡量标准。For any variable, the measure is the decrease in the classification margin if the values of that variable are permuted across the out-of-bag observations. This measure is computed for every tree, then averaged over the entire ensemble and divided by the standard deviation over the entire ensemble. This property is empty for regression trees.

OutlierMeasure

一个数字大小数组谈判-by-1, where谈判是T.he number of observations in the training data, containing outlier measures for each observation.

Prior

每个班级的先前概率的数字矢量。元素的顺序Prior对应于类的顺序Classnames.。

这个属性是：

Proximity

一个数字矩阵的大小谈判-by-谈判那where谈判是培训数据中的观察数，含有观察之间的邻近度的措施。对于任何两个观察，它们的接近程度被定义为这些观察结果在同一叶上造成的树木的一部分。这是一个对照矩阵，对角线和非对角线元件上的1S，范围为0到1。

Prune

该Pruneproperty is true if decision trees are pruned and false if they are not. Pruning decision trees is not recommended for ensembles. The default value is false.

SampleWithReplacement.

一种logical flag specifying if data are sampled for each decision tree with replacement. This property is真正如果treebagger使用替换和数据示例数据假除此以外。默认值为真正。

TreeArguments

小区的参数阵列fitctree要么fitrtree。这些参数被使用treebagger在为合奏种植新树时。

树木

细胞阵列的大小NumTrees- 1含有集合中的树木。

Trustogateassociation.

大小的矩阵Nvars-by-Nvars具有可变关联的预测措施，平均整个成长树的整体。如果你长大了集合设置'代理'T.o'上'那T.his matrix for each tree is filled with predictive measures of association averaged over the surrogate splits. If you grew the ensemble setting'代理'T.o'off'(default),Trustogateassociation.是对角线。

PredictorNames

包含预测器变量的名称（特征）的单元格数组。treebaggerT.akes these names from the optional'名字'参数。默认名称是'x1'那'x2'等

W.

Numeric vector of weights of length谈判那where谈判是T.he number of observations (rows) in the training data.treebagger使用这些权重来在集合中生长每个决策树。默认值W.是那些（nobs，1）。

X

一种T.able or numeric matrix of size谈判-by-Nvars那where谈判是观察数（行）和Nvars是培训数据中的变量（列）的数量。如果您使用预测值的表培训集合，那么X是一张桌子。如果您使用预测值值矩阵训练集合，那么X是一个矩阵。此属性包含预测器（或功能）值。

y

尺寸谈判array of response data. Elements ofy对应于行X。For classification,y是T.he set of true class labels. Labels can be anygrouping variable，即，数字或逻辑向量，字符矩阵，字符串阵列，字符向量或分类向量的小区阵列。treebagger将标签转换为特征向量的单元格数组以进行分类。回归，y是a numeric vector.