OOBQUANTILEPREDICT
班级：treebagger
从袋子袋袋中观测到回归树的分量预测
句法
描述
输入参数
输出参数
例子
使用量子回归预测袋袋中的中位数
加载Carsmall.数据集。考虑一种模型，该模型在鉴于其发动机位移给出汽车的燃料经济性（以MPG）。
加载Carsmall.
使用整个数据集培训袋装回归树的集合。指定100名弱学习者并保存出袋子索引。
RNG（1）;重复性的％mdl = treebagger（100，位移，mpg，'方法'那'回归'那......'Oobprediction'那'上'）;
MDL.是A.treebagger合奏。
执行量级回归以预测所有培训观察的袋装中位燃料经济性。
Oobmedianmpg = OOBQUANTILEPREDICT（MDL）;
Oobmedianmpg.是一个N- 给出了对应于响应的条件分布的中位数的1个数字矢量给出了分类的观察mdl.x.。N是观察的数量，尺寸（mdl.x，1）。
按升序对观察进行排序。绘制同一个数字的观察和估计的中位数。比较袋子外中位数和平均反应。
[sx，idx] = sort（mdl.x）;Oobmeanmpg = Oobpredict（MDL）;数字;情节（位移，MPG，'k。'）;抓住上图（SX，OOBMEDIANMPG（IDX））;绘图（SX，OobmeAnmpg（IDX），'r--'）;ylabel（'燃油经济'）;Xlabel（'发动机排量'）;传奇（'数据'那'袋子中位数'那'袋子意味着'）;抓住离开;
使用百分比估计袋袋预测间隔
加载Carsmall.数据集。考虑一种模型，该模型预测汽车（MPG）的燃料经济性给出其发动机位移。
加载Carsmall.
使用整个数据集培训袋装回归树的集合。指定100名弱学习者并保存出袋子索引。
RNG（1）;重复性的％mdl = treebagger（100，位移，mpg，'方法'那'回归'那......'Oobprediction'那'上'）;
执行量级回归以预测袋子外的2.5％和97.5％百分比。
OOBQUANTPREDINTS = OOBQUANTILEPREDICT（MDL，'standile'，[0.025,0.975]）;
Oobquantpredints.是一个N-2-2数值矩阵对应于袋外观察的预测间隔mdl.x.。N是观察人数，尺寸（mdl.x，1）。第一列包含2.5％百分比，第二列包含97.5％百分位数。
绘制同一个数字的观察和估计的中位数。比较百分点预测间隔和95％的预测间隔，假设条件分布MPG.是高斯。
[Oobmeanmpg，OobstealeAnmpg] = Oobpredict（MDL）;STDNPREDINTS = OOBMEANMPG + [-1 1] * NORMINV（0.975）。* OOBSTEMEANMPG;[sx，idx] = sort（mdl.x）;数字;H1 =图（位移，MPG，'k。'）;抓住上h2 = plot（sx，oobquantpredints（idx，:)，'B'）;h3 = plot（sx，stdnpredints（idx，:)，'r--'）;ylabel（'燃油经济'）;Xlabel（'发动机排量'）;图例（[H1，H2（1），H3（1）]，{'数据'那'95％百分位预测间隔'那......'95％高斯预测间隔'}）;抓住离开;
使用量子回归估计袋袋条有条件的累积分布
加载Carsmall.数据集。考虑一种模型，该模型预测汽车（MPG）的燃料经济性给出其发动机位移。
加载Carsmall.
使用整个数据集培训袋装回归树的集合。指定100个弱的学习者并保存禁止外索引。
RNG（1）;重复性的％mdl = treebagger（100，位移，mpg，'方法'那'回归'那......'Oobprediction'那'上'）;
估计禁止袋响应权重。
[〜，YW] = OOBQUANTILEPREDICT（MDL）;
yw.是包含响应权重的N-by n稀疏矩阵。N是培训观察的数量，numel（y）。观察的响应权重mdl.x（j，:)是yw（：，j）。响应权重独立于任何指定的分位式概率。
估计答复的袋子外，条件累积分配函数（CCDF）：
排序响应是升序顺序，然后使用通过对响应进行排序引起的索引来排序响应权重。
计算排序响应权重的每列上的累积和。
[sorty，sortidx] = sort（mdl.y）;cpdf = full（yw（sortIdx，:)）;ccdf = cumsum（cpdf）;
CCDF（：，j）是响应的经验外禁止CCDF，给予观察j。
选择四种培训观察的随机样本。绘制训练样本并确定所选的观察。
[randx，IDX] =数据征（MDL.x，4）;数字;绘图（mdl.x，mdl.y，'o'）;抓住上绘图（RANDX，MDL.Y（IDX），'*'那'Markersize'，10）;文本（RANDX-10，MDL.Y（IDX）+1.5，{'Obs。1''Obs。2''Obs。3''Obs。4'}）;传奇（'培训数据'那'选择观察'）;Xlabel（'发动机排量'）ylabel（'燃油经济'） 抓住离开
为同一图中的四个所选响应绘制袋子外CCDF。
数字;绘图（Sorty，CCDF（：，IDX））;传奇（'CCDF给予OBS。1'那'CCDF给予OBS。2'那......'CCDF给予OBS。3'那'CCDF给予OBS。4'那......'地点'那'东南'） 标题（'袋不良条件累积分配功能'）xlabel（'燃油经济'）ylabel（'经验CDF'）
更多关于
算法
OOBQUANTILEPREDICT通过申请估计袋子超定量standilepredict.致培训数据的所有观察（mdl.x.）。对于每个观察，该方法仅使用观察袋的树木。
对于在集合中所有树木的袋子的观察，OOBQUANTILEPREDICT分配响应数据的样本量级。换句话说，OOBQUANTILEPREDICT不使用量子回归进行袋袋的观察。相反，它分配smianile（mdl.y，， 在哪里TAU）TAU是值的价值斯蒂利韦名称值对参数。
参考
[1] Meinshausen，N。“斯蒂利回归森林。”机床学习研究，卷。7,2006，第983-999页。
[2] Breiman，L。“随机森林。”机器学习。卷。45,2001，第5-32页。
您还可以从以下列表中选择一个网站：
