使用回归树的袋的分位数损失
返回表中真实响应比较的平均绝对偏差(MAD)的一半犯错
= quantileError (Mdl
,X
)X
对应用回归树的包的预测中位数Mdl
观测到的预测数据X
.
Mdl
必须是一个TreeBagger
模型对象。
中的响应变量名X
必须与包含训练数据的表中的响应变量具有相同的名称。
使用表中包含的真实响应和预测变量犯错
= quantileError (Mdl
,X
,ResponseVarName
)X
.ResponseVarName
响应变量的名称是and吗Mdl。PredictorNames
包含预测变量的名称。
为了调整集合中的树的数量,设置“模式”、“累积”
并绘制关于树指数的分位数回归误差。所需要的树的最大数目是分位数回归错误趋于平稳的树索引。
为了研究模型在训练样本较小时的性能,请使用oobQuantileError
代替。
[1] Breiman, L。随机森林。机器学习45,pp. 5-32, 2001。
[2] Meinshausen, N.“分位数回归森林”机器学习研究杂志,第7卷,2006年,第983-999页。