文件帮助中心
类:treebagger
决策树的紧凑型集合
CMDL.=紧凑(MDL.)创建一个紧凑的版本MDL., 一种treebagger模型对象。您可以预测回归使用CMDL.正如您可以使用的那样MDL.。但是,从那以后CMDL.不包含培训数据,您无法执行一些操作,例如使用袋子预测使用Oobpredict.。
CMDL.=紧凑(MDL.)
CMDL.
MDL.
treebagger
Oobpredict.
创建的回归整体treebagger。
一个紧凑的回归合奏。CMDL.是课堂CompactTreeBagger.。
CompactTreeBagger.
展开全部
创建一块小型树木,以有效地对新数据进行预测。
加载电离层数据集。
电离层
加载电离层
使用所有测量和培训一袋100种分类树adaboostm1.方法。
adaboostm1.
mdl = treebagger(100,x,y,'方法'那'分类')
MDL = TreeBagger合奏与100架袋装决策树:训练X:[351x34]训练Y:[351x1]方法:分类NumPredictors:34 NumPredictorstosample:6 minleafsize:1个碎片效果:1个样品释放:1 ComputeOobPrediction:0 ComputeOobpredictorImportance:0ClassNames:'B'G'属性,方法
MDL.是A.treebagger模型对象包含培训数据,以及其他事项。
创建一个紧凑的版本MDL.。
cmdl = compact(mdl)
CMDL = CompactTreeBagger合奏与100袋决策树:方法:分类NumPredictors:34 ClassNames:'B'G'属性,方法
CMDL.是A.CompactTreeBagger.模型对象。CMDL.几乎和MDL.。一个例外是它不存储培训数据。
比较消耗的空间量MDL.和CMDL.。
mdlinfo = whos('mdl');cmdlinfo = whos('cmdl');[mdlinfo.bytes cmdlinfo.bytes]
ans =.1×21115742 976936
MDL.消耗更多的空间CMDL.。
cmdl.trees.存储培训的分类树(CompactClassificationTree.模型对象)MDL.。
cmdl.trees.
CompactClassificationTree.
在紧凑型模型中显示第一棵树的图。
查看(cmdl.trees {1},'模式'那'图形');
默认,treebagger生长深沉的树木。
预测均值的标签X使用紧凑的合奏。
X
predmeanx =预测(cmdl,均值(x))
predmeanx =1x1细胞阵列{'G'}
CompactTreeBagger.|错误|预测
错误
预测
系统上存在此示例的修改版本。你想打开这个版本吗?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室