fitcensemble
用于分类的学习器的拟合集合
语法
描述
返回经过训练的分类集成模型对象(Mdl
= fitcensemble (资源描述
,ResponseVarName
)Mdl
),其中包含提升100个分类树的结果以及表中的预测器和响应数据资源描述
。ResponseVarName
响应变量的名称是否在资源描述
。默认情况下,fitcensemble
使用LogitBoost进行二元分类,使用AdaBoostM2进行多类分类。
例子
列车分类总集
使用数据中所有可用的预测变量创建预测分类集成。然后,使用更少的预测器训练另一个集合。比较集合的样本内预测精度。
加载census1994
数据集。
负载census1994
使用整个数据集和默认选项训练分类模型的集合。
md1 = fitcensemble(成人数据,“工资”)
Mdl1 = ClassificationEnsemble PredictorNames: {'age' 'workClass' 'fnlwgt' 'education' 'education_num' 'marital_status' 'occupation' 'relationship' 'race' 'sex' 'capital_gain' 'capital_loss' 'hours_per_week' 'native_country'} ResponseName: 'salary' CategoricalPredictors: [2 4 6 7 8 9 10 14] ClassNames: [<=50K >50K] ScoreTransform: 'none' NumObservations: 32561 NumTrained: 100 Method: 'LogitBoost' LearnerNames: {'Tree'} ReasonForTermination:“在完成要求的训练周期数后正常终止。”FitInfo: [100x1 double] FitInfoDescription: {2x1 cell}属性、方法
Mdl
是一个ClassificationEnsemble
模型。的一些显著特征Mdl
是:
因为数据中表示两个类,所以LogitBoost是集成聚合算法。
由于集成聚合方法是一种增强算法,因此允许最多10个拆分的分类树组成集成。
一百棵树组成了这个整体。
使用分类集合从数据中预测随机的5个观测值的标签。将预测的标签与其真实值进行比较。
rng (1)%为了重现性[pX,pIdx] = datasample(adultdata,5);label = predict(Mdl1,pX);表(标签,adultdata.salary (pIdx),“VariableNames”, {“预测”,“真相”})
ans =5×2表预测的真理 _________ _____ <= 50 k < = 50 k < = 50 k < = 50 k < = 50 k < = 50 k < = 50 k < = 50 k < = 50 k < = 50 k
训练一个新的集合使用年龄
和教育
只有。
Mdl2 = fitcensemble(成人数据,“工资~年龄+学历”);
比较两者的重取代损失Mdl1
和Mdl2
。
rsLoss1 = resubLoss(Mdl1)
rsLoss1 = 0.1058
rsLoss2 = resubLoss(Mdl2)
rsLoss2 = 0.2037
使用所有预测因子的集合的样本内误分类率较低。
通过分组数字预测值加速训练
训练一个增强分类树集合fitcensemble
。减少培训时间“NumBins”
名称-值对参数到bin数值预测器。此参数仅在以下情况下有效fitcensemble
使用树学习器。训练后,您可以使用BinEdges
训练模型的性质和离散化
函数。
生成一个样本数据集。
rng (“默认”)%为了重现性N = 1e6;X = [mvnrnd([-1 -1],eye(2),N);mvnrnd([1],眼(2),N)];y = [0 (N,1);的(N, 1)];
可视化数据集。
图散射(X (1: N, 1), X (1: N, 2),“标记”,“。”,“MarkerEdgeAlpha”, 0.01)在散射(X (N + 1:2 * N, 1), X (N + 1:2 * N, 2),“标记”,“。”,“MarkerEdgeAlpha”, 0.01)
使用自适应逻辑回归训练增强分类树集合(LogitBoost
(二进制分类的默认值)。对函数计时以进行比较。
tic md1 = fitcensemble(X,y);toc
运行时间为478.988422秒。
加速训练使用“NumBins”
名称-值对参数。如果您指定“NumBins”
值为正整数标量,则软件将每个数字预测器放入指定数量的等概率bins中,然后在bin索引上生长树而不是原始数据。该软件不支持分类预测。
tic Mdl2 = fitcensemble(X,y,“NumBins”, 50);toc
运行时间为165.598434秒。
当使用装箱数据而不是原始数据时,这个过程大约要快三倍。注意,运行时间可能因操作系统而异。
用重替换法比较分类误差。
rsLoss1 = resubLoss(Mdl1)
rsLoss1 = 0.0788
rsLoss2 = resubLoss(Mdl2)
rsLoss2 = 0.0788
在这个例子中,分类预测值减少了训练时间而不损失准确性。一般来说,当你有一个像这个例子中的大数据集时,使用分仓选项会加快训练速度,但会导致准确性的潜在降低。如果您想进一步减少训练时间,请指定较小数量的箱子。
方法再现分类预测器数据BinEdges
训练模型的性质和离散化
函数。
X = md12 .X;%预测器数据Xbinned = 0 (size(X));edges = Mdl2.BinEdges;查找分类预测因子的索引。idxNumeric = find(~cellfun(@isempty,edges));如果iscolumn(idxNumeric) idxNumeric = idxNumeric';结束为j = idxNumeric x = x (:,j);%如果x是一个表,则将x转换为数组。如果Istable (x) x = table2array(x);结束使用离散函数将x分组到箱子中。Xbinned = discretise (x,[-inf;边缘{};正]);Xbinned(:,j) = Xbinned;结束
Xbinned
包含用于数字预测器的bin索引,范围从1到bin的个数。Xbinned
值是0
对于分类预测。如果X
包含南
S,然后对应的Xbinned
值是南
年代。
提升集成的泛化误差估计
估计提升分类树集合的泛化误差。
加载电离层
数据集。
负载电离层
使用AdaBoostM1和10倍交叉验证对分类树集合进行交叉验证。指定每个树应该使用决策树模板拆分最多五次。
rng (5);%为了重现性t = templateTree(“MaxNumSplits”5);Mdl = fitcensemble(X,Y,“方法”,“AdaBoostM1”,“学习者”t“CrossVal”,“上”);
Mdl
是一个ClassificationPartitionedEnsemble
模型。
绘制累积的、10倍交叉验证的误分类率。显示集成的估计泛化误差。
kflc = kfoldLoss(Mdl,“模式”,“累积”);图;情节(kflc);ylabel (“10倍误分类率”);包含(“学习周期”);
estGenError = kflc(end)
estGenError = 0.0769
kfoldLoss
默认情况下返回泛化错误。然而,绘制累积损失可以让您监控随着弱学习器在集合中累积,损失是如何变化的。
在累积了约50个弱学习器后,该集成的误分类率约为0.06。然后,随着越来越多的弱学习者进入集合,错误分类率略有增加。
如果您对集成的泛化误差感到满意,那么,为了创建一个预测模型,使用除了交叉验证之外的所有设置再次训练集成。然而,调优超参数是一种很好的做法,比如每棵树的最大决策分割数和学习周期数。
优化分类集成
自动优化超参数fitcensemble
。
加载电离层
数据集。
负载电离层
通过使用自动超参数优化,可以找到最小化五倍交叉验证损失的超参数。
Mdl = fitcensemble(X,Y,“OptimizeHyperparameters”,“汽车”)
在本例中,为了再现性,设置随机种子并使用“expected-improvement-plus”
采集功能。另外,对于随机森林算法的再现性,请指定“复制”
名称-值对参数as真正的
对于树型学习者。
rng (“默认”) t = templateTree(“复制”,真正的);Mdl = fitcensemble(X,Y,“OptimizeHyperparameters”,“汽车”,“学习者”t…“HyperparameterOptimizationOptions”结构(“AcquisitionFunctionName”,“expected-improvement-plus”))
|===================================================================================================================================| | Iter | Eval客观客观| | | BestSoFar | BestSoFar | |方法NumLearningC - | LearnRate | MinLeafSize | | |结果| | |运行时(观察)| (estim) | |永昌龙 | | | |===================================================================================================================================| | 最好1 | | 0.10256 | 2.8201 | 0.10256 | 0.10256 |RUSBoost | 11 | 0.010199 | 17 | | 2 |最好| 0.082621 | 6.3089 | 0.082621 | 0.083414 | LogitBoost | 206 | 0.96537 | 33 | | 3 |接受| 0.099715 | 4.0004 | 0.082621 | 0.082624 | AdaBoostM1 | 130 | 0.0072814 | 2 | | 4 |的| 0.068376 | 1.5887 | 0.068376 | 0.068395 | 25袋| | - | 5 | | 5 |的| 0.059829 | 1.7618 | 0.059829 | 0.062829 | LogitBoost 58 | | 0.19016 | 5 | | 6 |接受| 0.068376 | 1.6662 | 0.059829 | 0.065561 | LogitBoost 58 | | 0.10005 | 5 | | | 7日接受| 0.088319 | 13.07 |0.059829 | 0.065786 | LogitBoost | 494 | 0.014474 | 3 | | |接受8 | 0.065527 | 0.79673 | 0.059829 | 0.065894 | LogitBoost | 26 | 0.75515 | 8 | | | 9日接受| 0.15385 | 0.93354 | 0.059829 | 0.061156 | LogitBoost 59 32 | 0.0010037 | | | | | 10接受| 0.059829 | 3.8828 | 0.059829 | 0.059731 | LogitBoost | 143 | 0.44428 | 1 | | | 11日接受| 0.35897 | 2.3272 | 0.059829 | 0.059826 | 54袋| | | 175 | | 12 |接受| 0.068376 | 0.53634 | 0.059829 | 0.059825 | 10袋| | - | 1 | | | | 13日接受0.12251 | 9.5155 | 0.059829 | 0.059826 | AdaBoostM1 | 442 | 0.57897 | 102 | | 14 | Accept | 0.11966 | 4.9323 | 0.059829 | 0.059827 | RUSBoost | 95 | 0.80822 | 1 | | 15 | Accept | 0.062678 | 4.2429 | 0.059829 | 0.059826 | GentleBoost | 156 | 0.99502 | 1 | | 16 | Accept | 0.065527 | 3.0688 | 0.059829 | 0.059824 | GentleBoost | 115 | 0.99693 | 13 | | 17 | Best | 0.05698 | 1.659 | 0.05698 | 0.056997 | GentleBoost | 60 | 0.0010045 | 3 | | 18 | Accept | 0.13675 | 2.0647 | 0.05698 | 0.057002 | GentleBoost | 86 | 0.0010263 | 108 | | 19 | Accept | 0.062678 | 2.4037 | 0.05698 | 0.05703 | GentleBoost | 88 | 0.6344 | 4 | | 20 | Accept | 0.065527 | 1.029 | 0.05698 | 0.057228 | GentleBoost | 35 | 0.0010155 | 1 | |===================================================================================================================================| | Iter | Eval | Objective | Objective | BestSoFar | BestSoFar | Method | NumLearningC-| LearnRate | MinLeafSize | | | result | | runtime | (observed) | (estim.) | | ycles | | | |===================================================================================================================================| | 21 | Accept | 0.079772 | 0.44308 | 0.05698 | 0.057214 | LogitBoost | 11 | 0.9796 | 2 | | 22 | Accept | 0.065527 | 21.191 | 0.05698 | 0.057523 | Bag | 499 | - | 1 | | 23 | Accept | 0.068376 | 20.294 | 0.05698 | 0.057671 | Bag | 494 | - | 2 | | 24 | Accept | 0.64103 | 1.2793 | 0.05698 | 0.057468 | RUSBoost | 30 | 0.088421 | 174 | | 25 | Accept | 0.088319 | 0.53606 | 0.05698 | 0.057456 | RUSBoost | 10 | 0.010292 | 5 | | 26 | Accept | 0.074074 | 0.36802 | 0.05698 | 0.05753 | AdaBoostM1 | 11 | 0.14192 | 13 | | 27 | Accept | 0.099715 | 12.133 | 0.05698 | 0.057646 | AdaBoostM1 | 498 | 0.0010096 | 6 | | 28 | Accept | 0.079772 | 10.877 | 0.05698 | 0.057886 | AdaBoostM1 | 474 | 0.030547 | 31 | | 29 | Accept | 0.068376 | 12.326 | 0.05698 | 0.061326 | GentleBoost | 493 | 0.36142 | 2 | | 30 | Accept | 0.065527 | 0.3945 | 0.05698 | 0.061165 | LogitBoost | 11 | 0.71408 | 16 |
__________________________________________________________ 优化完成。达到30分的评价。总函数评估:30总运行时间:165.9329秒总目标函数评估时间:148.4504最佳观察可行点:方法NumLearningCycles LearnRate MinLeafSize ___________ _________________ _________ ___________ GentleBoost 60 0.0010045 3观察目标函数值= 0.05698估计目标函数值= 0.061165函数评估时间= 1.659估计最佳可行点(根据模型):方法NumLearningCycles LearnRate MinLeafSize ___________ _________________ _________ ___________ GentleBoost 60 0.0010045 3估计目标函数值= 0.061165估计函数评估时间= 1.6503
Mdl = ClassificationEnsemble ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351 HyperparameterOptimizationResults: [1×1贝叶斯优化]NumTrained: 60 Method: 'GentleBoost' LearnerNames: {'Tree'} ReasonForTermination: '在完成请求的训练周期数后正常终止。'FitInfo: [60×1 double] FitInfoDescription: {2×1 cell}属性,方法
优化搜索了二元分类的集成聚合方法,超过NumLearningCycles
,在…LearnRate
对于适用的方法,还有过树学习器MinLeafSize
。输出是具有最小估计交叉验证损失的集成分类器。
使用交叉验证优化分类集成
创建具有令人满意的预测性能的增强分类树集合的一种方法是使用交叉验证调优决策树的复杂性级别。在搜索最优复杂度级别时,调整学习率以最小化学习周期的数量。
本例通过使用交叉验证选项手动查找最佳参数“KFold”
名称-值对参数)和kfoldLoss
函数。或者,您可以使用“OptimizeHyperparameters”
名称-值对参数自动优化超参数。看到优化分类集成。
加载电离层
数据集。
负载电离层
搜索最优树复杂度等级:
交叉验证一组集成。从决策树桩(一次分裂)到最多的后续集成的树复杂度指数级增加n- 1分。n是样本量。此外,将每个集成的学习率在0.1到1之间变化。
估计每个集合的交叉验证错分类率。
对于树复杂度级别 , ,比较累积的,交叉验证的误分类率,通过绘制它们与学习周期的数量。在同一张图上为每个学习率绘制单独的曲线。
选择误分类率最小的曲线,记录相应的学习周期和学习率。
交叉验证深度分类树和树桩。这些分类树可以作为基准。
rng (1)%为了重现性MdlDeep = fitctree(X,Y,“CrossVal”,“上”,“MergeLeaves”,“关闭”,…“MinParentSize”1);MdlStump = fitctree(X,Y,“MaxNumSplits”, 1“CrossVal”,“上”);
使用5倍交叉验证交叉验证150个增强分类树的集合。使用树模板,使用序列中的值改变分割的最大数目 。米是这样的 不大于n- 1。对于每个变量,使用集合{0.1,0.25,0.5,1}中的每个值来调整学习率;
n = size(X,1);M = floor(log(n - 1)/log(3));learnRate = [0.1 0.25 0.5 1];numLR = nummel (learnRate);maxNumSplits = 3.^(0:m);numMNS = nummel (maxnumsplit);numTrees = 150;Mdl = cell(numMNS,numLR);为k = 1:numLR为j = 1:numMNS t = templateTree(“MaxNumSplits”maxNumSplits (j));Mdl{j,k} = fitcensemble(X,Y,“NumLearningCycles”numTrees,…“学习者”t“KFold”5,“LearnRate”, learnRate (k));结束结束
估计每个集成和分类树作为基准的累积的、交叉验证的错误分类率。
kflAll = @(x)kfoldLoss(x,“模式”,“累积”);errorCell = cellfun(kflAll,Mdl,“统一”、假);error = shaping (cell2mat(errorCell),[numTrees nummel (maxNumSplits) nummel (learnRate)]);errorDeep = kfoldLoss(MdlDeep);errorStump = kfoldLoss(MdlStump);
绘制交叉验证的误分类率随集合中树数增加的变化情况。在同一图上绘制关于学习率的曲线,并为不同的树复杂度级别绘制单独的图。选择要绘制的树复杂度级别的子集。
mnsPlot = [1 round(nummel (maxnumsplit)/2) nummel (maxnumsplit)];数字为k = 1:3次要情节(2 2 k)情节(挤压(错误(:,mnsPlot (k):)),“线宽”2)轴紧持有在H = gca;情节(h。XLim,[errorDeep errorDeep],“。b”,“线宽”, 2)情节(h。XLim,[errorStump errorStump],“r”,“线宽”2)图(h.XLim min(最低(错误(:,mnsPlot (k):)))。* [1],“——k”) h.YLim = [0 0.2];包含(“树的数量”) ylabel (“旨在misclass。率的)标题(sprintf ('MaxNumSplits = %0.3g', maxNumSplits(mnsPlot(k)))) hold从结束hL = legend([cellstr(num2str(learnRate)],“学习率= %0.2f”));…“深树”;“树桩”;“分钟misclass。率的]);hL.Position(1) = 0.6;
每条曲线都包含一个最小的交叉验证错分类率,发生在集合中最优的树数上。
确定产生最低总体误分类率的最大分裂数、树数和学习率。
[minErr,minErrIdxLin] = min(error(:));[idxNumTrees,idxMNS,idxLR] = ind2sub(size(error),minErrIdxLin);流(“\ nMin。misclass。Rate = %0.5f'minErr)
分钟misclass。速率= 0.05128
流(\最佳参数值:\nNum。树= %d', idxNumTrees);
最优参数值:Num. Trees = 130
流(\nMaxNumSplits = %d\ nlearningrate = %0.2f\n,…maxNumSplits (idxMNS) learnRate (idxLR))
maxnumsplitting = 9学习速率= 1.00
基于最优超参数和整个训练集创建一个预测集合。
tFinal = templateTree(“MaxNumSplits”maxNumSplits (idxMNS));MdlFinal = fitcensemble(X,Y,“NumLearningCycles”idxNumTrees,…“学习者”tFinal,“LearnRate”learnRate (idxLR))
MdlFinal = ClassificationEnsemble ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351 NumTrained: 130 Method: 'LogitBoost' LearnerNames: {'Tree'} ReasonForTermination: '在完成请求的训练周期数后正常终止。'FitInfo: [130×1 double] FitInfoDescription: {2×1 cell}属性,方法
MdlFinal
是一个ClassificationEnsemble
。要预测给定预测数据的雷达回波是否良好,您可以传递预测数据和MdlFinal
来预测
。
而不是通过使用交叉验证选项(“KFold”
)及kfoldLoss
函数,可以使用“OptimizeHyperparameters”
名称-值对参数。当你指定“OptimizeHyperparameters”
,软件采用贝叶斯优化方法自动找到最优参数。得到的最优值“OptimizeHyperparameters”
可能与使用手动搜索获得的结果不同。
mdl = fitcensemble(X,Y,“OptimizeHyperparameters”, {“NumLearningCycles”,“LearnRate”,“MaxNumSplits”})
|====================================================================================================================| | Iter | Eval客观客观| | | BestSoFar | BestSoFar | NumLearningC - | LearnRate | MaxNumSplits | | |结果| | |运行时(观察)| (estim) |永昌龙 | | | |====================================================================================================================| | 最好1 | | 0.094017 | 3.7194 | 0.094017 | 0.094017 | 137 | 0.001364 | 3 | | 2 | |0.12251 | 0.66511 | 0.094017 | 0.095735 | 15 | 0.013089 | 144 |
最好| 3 | | 0.065527 | 0.90035 | 0.065527 | 0.067815 | 31日| 0.47201 | 2 | | 4 |接受| 0.19943 | 8.6107 | 0.065527 | 0.070015 | 340 | 0.92167 | 7 | | 5 |接受| 0.071225 | 0.90081 | 0.065527 | 0.065583 | 32 | 0.14422 | 2 | | 6 |接受| 0.099715 | 0.688 | 0.065527 | 0.065573 | 23 | 0.0010566 | 2 | | | 7日接受| 0.11681 | 0.90799 | 0.065527 | 0.065565 | 28 | 0.0010156 | 259 | | 8 |接受| 0.17379 | 0.82143 | 0.065527 | 0.065559 | 29日| 0.0013435 | 1 | | 9最好| | 0.059829 | 0.59677 |18 | 0.059829 | 0.059844 | 0.87865 | 3 | | |接受10 | 0.11111 | 0.40132 | 0.059829 | 0.059843 | 10 | 0.0012112 | 48 | | | 11日接受| 0.08547 | 0.41121 | 0.059829 | 0.059842 | 10 | 0.62108 | 25 | | | 12日接受| 0.11681 | 0.41538 | 0.059829 | 0.059841 | 10 | 0.0012154 | 20 | | | 13日接受| 0.082621 | 0.46504 | 0.059829 | 0.059842 | 10 | 0.55351 | 35 | | | 14日接受| 0.079772 | 0.46297 | 0.059829 | 0.05984 | 11 | 0.74109 | 74 | | 15 |接受| 0.088319 | 0.69297 | 0.059829 | 0.05984 | |16 | 0.91106 | 347 | |接受| 0.062678 | 0.3637 | 0.059829 | 0.059886 | 10 | 0.97239 | 3 | | | 17日接受| 0.065527 | 1.9404 | 0.059829 | 0.059887 | 78 | 0.97069 | 3 | | | 18日接受| 0.065527 | 0.39816 | 0.059829 | 0.062228 | 11 | 0.75051 | 2 | |最好19 | | 0.054131 | 0.36381 | 0.054131 | 0.059083 | 10 | 0.69072 | 3 | | 20 |接受| 0.065527 | 0.38429 | 0.054131 | 0.060938 | 10 | 0.64403 | 3 ||====================================================================================================================| | Iter | Eval客观客观| | | BestSoFar | BestSoFar | NumLearningC - | LearnRate | MaxNumSplits | | |结果| | |运行时(观察)| (estim) |永昌龙 | | | |====================================================================================================================| | 21日|接受| 0.079772 | 0.40405 | 0.054131 | 0.060161 | 10 | 0.80548 | 13 | | | | 22日接受10 | 0.05698 | 0.37983 | 0.054131 | 0.059658 | 0.56949 | 5 | | | 23日接受| 0.10826 | 0.36128 | 0.054131 | 0.059244 | 10 | 0.0055133 | 5 | | | 24日接受| 0.074074 | 0.38056 | 0.054131 | 0.05933 | 10 | 0.92056 | 6 | | | 25日接受| 0.11966 | 0.35336 | 0.054131 | 0.059132 | 10 | 0.27254 | 1 | | | 26日接受| 0.065527 | 0.77041 | 0.054131 | 0.059859 | 26 | 0.97412 | 3 | | | 27日接受| 0.068376 | 0.38116 | 0.054131 | 0.060205 | 10 | 0.82146 | 4 | | | 28日接受| 0.062678 | 0.47015 | 0.054131 |0.060713 | | 0.99445 | | 29 |接受| 0.11966 | 0.41033 | 0.054131 | 0.060826 | 10 | 0.0012621 |44 | | 30 |接受| 0.08547 | 0.45352 | 0.054131 | 0.060771 | 2010 | 0.93676 | 187 |
__________________________________________________________ 优化完成。达到30分的评价。总函数评估:30总运行时间:41.5854秒总目标函数评估时间:28.4744最佳观察可行点:NumLearningCycles LearnRate MaxNumSplits _________________ _________ ____________ 10 0.69072 3观察目标函数值= 0.054131估计目标函数值= 0.061741函数评估时间= 0.36381估计最佳可行点(根据模型):NumLearningCycles LearnRate MaxNumSplits _________________ _________ ____________ 14 0.99445 3估计目标函数值= 0.060771估计函数评估时间= 0.48009
mdl = ClassificationEnsemble ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351 HyperparameterOptimizationResults: [1×1贝叶斯优化]NumTrained: 14 Method: 'LogitBoost' LearnerNames: {'Tree'} ReasonForTermination: '在完成请求的训练周期数后正常终止。'FitInfo: [14×1 double] FitInfoDescription: {2×1 cell}属性,方法
输入参数
资源描述
- - - - - -样本数据
表格
用于训练模型的样本数据,指定为表。每一行资源描述
对应一个观测值,每一列对应一个预测变量。资源描述
可以包含一个用于响应变量的附加列。除了字符向量的单元格数组之外,不允许使用多列变量和单元格数组。
如果
资源描述
包含响应变量,并且希望使用所有剩余变量作为预测器,然后使用指定响应变量ResponseVarName
。如果
资源描述
包含响应变量,并且您希望仅将其余变量的子集用作预测器,然后使用公式
。如果
资源描述
不包含响应变量,则使用Y
。响应变量的长度和行数资源描述
必须是相等的。
请注意
为节省内存和执行时间,提供X
和Y
而不是资源描述
。
数据类型:表格
ResponseVarName
- - - - - -响应变量名称
中的响应变量名称资源描述
公式
- - - - - -反应变量和预测变量子集的解释模型
特征向量|字符串标量
响应变量的解释模型和预测变量的子集,以字符向量或字符串标量的形式指定“Y ~ x1 + x2 + x3”
。在这个形式中,Y
表示响应变量,和x1
,x2
,x3
表示预测变量。
中的变量子集资源描述
作为训练模型的预测器,请使用公式。如果你指定一个公式,那么软件不使用任何变量资源描述
那就不要出现在公式
。
公式中的变量名必须是资源描述
(Tbl.Properties.VariableNames
)和有效的MATLAB®标识符。中的变量名进行验证资源描述
通过使用isvarname
函数。如果变量名无效,则可以使用matlab.lang.makeValidName
函数。
数据类型:字符
|字符串
X
- - - - - -预测数据
数字矩阵
预测器数据,指定为数值矩阵。
每一行对应一个观测值,每一列对应一个预测变量。
的长度Y
和的行数X
必须是相等的。
中出现的顺序指定预测器的名称X
,使用PredictorNames
名称-值对参数。
数据类型:单
|双
名称-值参数
指定可选的参数对为Name1 = Value1,…,以=家
,在那里名字
是参数名和吗价值
是对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来名字
在报价。
例子:“CrossVal”,“上”、“LearnRate”,0.05
指定实现10倍交叉验证和使用0.05
作为学习率。
请注意
控件一起使用任何交叉验证名称-值参数“OptimizeHyperparameters”
名称-值参数。您可以修改的交叉验证“OptimizeHyperparameters”
只有使用“HyperparameterOptimizationOptions”
名称-值参数。
方法
- - - - - -集合聚集法
“包”
|“子”
|“AdaBoostM1”
|“AdaBoostM2”
|“GentleBoost”
|“LogitBoost”
|“LPBoost”
|“RobustBoost”
|“RUSBoost”
|“TotalBoost”
集合聚合方法,指定为由逗号分隔的对组成“方法”
和下面的值之一。
价值 | 方法 | 分类问题支持金宝app | 相关的名称-值对参数 |
---|---|---|---|
“包” |
自举聚合(例如,套袋),随机森林[2]) -如果“方法” 是“包” ,然后fitcensemble 默认情况下,在每个分裂(随机森林)使用随机预测器选择的套袋。要使用没有随机选择的套袋,使用树学习器,其“NumVariablesToSample” 值是“所有” 或者使用判别分析学习器。 |
二元和多类 | N/A |
“子” |
随机子空间 | 二元和多类 | NPredToSample |
“AdaBoostM1” |
自适应增强 | 二只 | LearnRate |
“AdaBoostM2” |
自适应增强 | 多级只 | LearnRate |
“GentleBoost” |
温和自适应增强 | 二只 | LearnRate |
“LogitBoost” |
自适应逻辑回归 | 二只 | LearnRate |
“LPBoost” |
线性规划提升-需要优化工具箱™ | 二元和多类 | MarginPrecision |
“RobustBoost” |
强大的提升-需要优化工具箱 | 二只 | RobustErrorGoal ,RobustMarginSigma ,RobustMaxMargin |
“RUSBoost” |
随机欠采样增强 | 二元和多类 | LearnRate ,RatioToSmallest |
“TotalBoost” |
完全纠正提升-需要优化工具箱 | 二元和多类 | MarginPrecision |
您可以指定采样选项(FResample
,取代
,重新取样
),当你使用装袋(“包”
)或助推(“TotalBoost”
,“RUSBoost”
,“AdaBoostM1”
,“AdaBoostM2”
,“GentleBoost”
,“LogitBoost”
,“RobustBoost”
,或“LPBoost”
)。
默认值为:
“LogitBoost”
对于二元问题和“AdaBoostM2”
对于多类问题“学习者”
只包含树学习器“AdaBoostM1”
对于二元问题和“AdaBoostM2”
对于多类问题“学习者”
包括树和判别分析学习器“子”
如果“学习者”
不包括树学习器吗
有关集成聚合算法和示例的详细信息请参见算法,提示,整体算法,选择一个适用的集成聚合方法。
例子:“方法”,“包”
NumLearningCycles
- - - - - -集成学习周期数
One hundred.
(默认)|正整数|“AllPredictorCombinations”
集成学习周期的个数,指定为由逗号分隔的对组成“NumLearningCycles”
一个正整数或者“AllPredictorCombinations”
。
如果你指定一个正整数,那么,在每个学习周期中,软件会为每个模板对象训练一个弱学习器
学习者
。因此,软件训练NumLearningCycles *元素个数(学习者)
学习者。如果你指定
“AllPredictorCombinations”
,然后设置方法
来“子”
只指定一个学习者学习者
。有了这些设置,软件就能训练学习者掌握所有可能的预测组合NPredToSample
一次。因此,软件训练nchoosek
(NPredToSample大小(X, 2))
学习者。
该软件使用所有经过训练的学习者组成集合,并将它们存储在其中Mdl。训练有素的
。
有关详细信息,请参见提示。
例子:“NumLearningCycles”,500年
数据类型:单
|双
|字符
|字符串
学习者
- - - - - -弱学习者在集合中使用
“判别”
|“资讯”
|“树”
|弱学习者模板对象|弱学习模板对象的细胞向量
在集成中使用的弱学习器,指定为由逗号分隔的对组成“学习者”
弱学习器名称、弱学习器模板对象或弱学习器模板对象的单元向量。
弱的学习者 | Weak-Learner名字 | 模板对象创建功能 | 方法 设置 |
---|---|---|---|
判别分析 | “判别” |
templateDiscriminant |
推荐给“子” |
k最近的邻居 | “资讯” |
templateKNN |
为“子” 只有 |
决策树 | “树” |
templateTree |
所有方法“子” |
弱学习者名称(
“判别”
,“资讯”
,或“树”
) - - -fitcensemble
使用默认设置的模板对象创建函数创建的弱学习器。例如,指定“学习者”,“判别”
与指定相同吗“学习者”,templateDiscriminant ()
。弱学习器的默认设置请参见模板对象创建功能页面。弱学习者模板对象
fitcensemble
使用模板对象创建函数创建的弱学习器。使用模板对象创建函数的名称-值对参数来指定弱学习器的设置。的细胞载体米弱学习者模板对象
fitcensemble
生长米每个学习者的学习周期(见NumLearningCycles
)。例如,对于由两种类型的分类树组成的集成,供应{t1 t2}
,在那里t1
和t2
返回的分类树模板对象templateTree
。
默认的“学习者”
值是“资讯”
如果“方法”
是“子”
。
默认的“学习者”
值是“树”
如果“方法”
是“包”
或者任何增强方法。的默认值templateTree ()
取决于的值“方法”
。
对于套袋决策树,决策分裂的最大数目(
“MaxNumSplits”
)是n - 1
,在那里n
是观测值的个数。每次分裂随机选择的预测因子数目(“NumVariablesToSample”
)是预测者数量的平方根。因此,fitcensemble
长出深深的决策树。您可以种植较浅的树以降低模型复杂性或计算时间。对于增强决策树,
“MaxNumSplits”
是10和“NumVariablesToSample”
是“所有”
。因此,fitcensemble
长出浅薄的决策树。您可以种植更深的树以获得更好的准确性。
看到templateTree
对于弱学习器的默认设置。要获得可重复的结果,必须指定“复制”
的名称-值对参数templateTree
作为真正的
如果“NumVariablesToSample”
不是“所有”
。
有关要培训的学习者数量的详细信息,请参见NumLearningCycles
和提示。
例子:“学习者”,templateTree (MaxNumSplits, 5)
NPrint
- - - - - -打印输出频率
“关闭”
(默认)|正整数
打印输出频率,指定为由逗号分隔的对组成“NPrint”
一个正整数或者“关闭”
。
跟踪…的数量弱的学习者或折叠那fitcensemble
训练到目前为止,指定一个正整数。也就是说,如果你指定了正整数米:
同时不指定任何交叉验证选项(例如,
CrossVal
),然后fitcensemble
每次完成训练时向命令行显示一条消息米弱的学习者。然后是一个交叉验证选项
fitcensemble
每次完成训练时向命令行显示一条消息米折叠。
如果你指定“关闭”
,然后fitcensemble
当它完成弱学习器的训练时不显示消息。
提示
对于某些增强决策树的最快训练,为NPrint
到默认值“关闭”
。这个技巧适用于分类方法
是“AdaBoostM1”
,“AdaBoostM2”
,“GentleBoost”
,或“LogitBoost”
,或者当回归方法
是“LSBoost”
。
例子:“NPrint”,5
数据类型:单
|双
|字符
|字符串
NumBins
- - - - - -数字预测器的箱数
[]
(空的)(默认)|正整数标量
用于数字预测符的箱子数,指定为由“NumBins”
一个正整数标量。此参数仅在以下情况下有效fitcensemble
使用树学习算法,也就是说,“学习者”
要么是“树”
创建的模板对象templateTree
。
如果
“NumBins”
值为空(默认值)fitcensemble
没有任何预测因子。如果您指定
“NumBins”
值为正整数标量(numBins
),然后fitcensemble
将每个数字预测器最多放入numBins
等概率的bin,然后在bin索引上生长树,而不是原始数据。箱子的数量可以小于
numBins
如果预测器小于numBins
独特的价值观。fitcensemble
不支持分类预测。
当您使用大型训练数据集时,此分箱选项可以加快训练速度,但可能会导致准确性的潜在降低。你可以试试“NumBins”,50岁
首先,然后根据精度和训练速度改变值。
训练后的模型将箱子边缘存储在BinEdges
财产。
例子:“NumBins”,50岁
数据类型:单
|双
CategoricalPredictors
- - - - - -分类预测表
正整数向量|逻辑向量|字符矩阵|字符串数组|字符向量的单元数组|“所有”
分类预测器列表,指定为该表中的值之一。
价值 | 描述 |
---|---|
正整数向量 | 向量中的每个条目都是一个索引值,表明相应的预测器是分类的。索引值在1和之间 如果 |
逻辑向量 | 一个 |
字符矩阵 | 矩阵的每一行都是一个预测变量的名称。名称必须与中的条目匹配PredictorNames 。用额外的空格填充名称,使字符矩阵的每一行具有相同的长度。 |
字符向量的字符串数组或单元数组 | 数组中的每个元素都是一个预测变量的名称。名称必须与中的条目匹配PredictorNames 。 |
“所有” |
所有的预测都是绝对的。 |
规范的“CategoricalPredictors”
适用于以下情况:
“学习者”
指定树学习器。“学习者”
指定k-最接近的学习者,其中所有预测因子都是分类的。
每个学习器识别和对待分类预测器的方式与对应于学习器的拟合函数相同。看到“CategoricalPredictors”
的fitcknn
为k-最近学习者和“CategoricalPredictors”
的fitctree
对于树型学习者。
例子:“CategoricalPredictors”、“所有”
数据类型:单
|双
|逻辑
|字符
|字符串
|细胞
PredictorNames
- - - - - -预测变量名称
唯一名称的字符串数组|唯一字符向量的单元数组
预测变量名称,指定为唯一名称的字符串数组或唯一字符向量的单元格数组。的功能PredictorNames
这取决于你提供训练数据的方式。
如果你提供
X
和Y
,那么你可以使用PredictorNames
中的预测变量指定名称X
。名字的顺序
PredictorNames
必须对应于的列顺序X
。也就是说,PredictorNames {1}
是…的名字X (: 1)
,PredictorNames {2}
是…的名字X (:, 2)
等等。同时,大小(X, 2)
和元素个数(PredictorNames)
必须是相等的。默认情况下,
PredictorNames
是{x1, x2,…}
。
如果你提供
资源描述
,那么你可以使用PredictorNames
选择在训练中使用哪些预测变量。也就是说,fitcensemble
中只使用预测变量PredictorNames
以及训练时的反应变量。PredictorNames
一定是的子集Tbl.Properties.VariableNames
并且不能包含响应变量的名称。默认情况下,
PredictorNames
包含所有预测变量的名称。一个好的实践是使用其中一种来指定训练的预测器
PredictorNames
或公式
,但不是两者都有。
例子:“PredictorNames”(“SepalLength”、“SepalWidth”,“PetalLength”,“PetalWidth”)
数据类型:字符串
|细胞
ResponseName
- - - - - -响应变量名称
“Y”
(默认)|特征向量|字符串标量
响应变量名称,指定为字符向量或字符串标量。
如果你提供
Y
,那么你可以使用ResponseName
为响应变量指定一个名称。如果你提供
ResponseVarName
或公式
,那么你就不能使用ResponseName
。
例子:“ResponseName”、“反应”
数据类型:字符
|字符串
选项
- - - - - -并行计算和设置随机数的选项
结构
并行计算和设置随机数的选项,指定为结构。创建选项
结构statset
。
请注意
您需要Parallel Computing Toolbox™来进行并行计算。
该表列出了选项字段及其值。
字段名 | 价值 | 默认的 |
---|---|---|
UseParallel |
将此值设置为 |
假 |
UseSubstreams |
将此值设置为 为了计算可重复性,设置 |
假 |
流 |
将此值指定为RandStream 对象或此类对象的单元数组。使用单个对象,除非UseParallel 值是真正的 和UseSubstreams 值是假 。在这种情况下,使用与并行池大小相同的单元格数组。 |
如果不指定流 ,然后fitcensemble 使用默认流或多个流。 |
有关使用可重复并行训练的示例,请参见并行列车分类集成。
对于双核及以上系统,fitcensemble
使用英特尔并行训练®线程构建块(TBB)。因此,指定UseParallel
选择真正的
在单个计算机上可能无法提供显著的加速。有关英特尔TBB的详细信息,请参见https://www.intel.com/content/www/us/en/developer/tools/oneapi/onetbb.html。
例子:“选项”,statset (UseParallel,真的)
数据类型:结构体
CVPartition
- - - - - -交叉验证分区
[]
(默认)|cvpartition
分区对象
交叉验证分区,指定为cvpartition
创建的分区对象cvpartition
。分区对象指定交叉验证的类型以及训练集和验证集的索引。
要创建一个交叉验证的模型,你只能指定以下四个名称-值参数中的一个:CVPartition
,坚持
,KFold
,或Leaveout
。
例子:假设您创建了一个随机分区,在500个观察值上进行5次交叉验证cvp = cvpartition(500,'KFold',5)
。然后,您可以通过使用来指定交叉验证模型“CVPartition”,本量利
。
坚持
- - - - - -保留验证的数据部分
(0,1)范围内的标量值
用于保留验证的数据的一部分,指定为(0,1)范围内的标量值。如果你指定‘坚持’,p
,然后软件完成以下步骤:
随机抽取和保留
p * 100
%的数据作为验证数据,并使用其余数据训练模型。将紧凑的训练过的模型存储在
训练有素的
交叉验证模型的属性。
要创建一个交叉验证的模型,你只能指定以下四个名称-值参数中的一个:CVPartition
,坚持
,KFold
,或Leaveout
。
例子:“坚持”,0.1
数据类型:双
|单
KFold
- - - - - -折叠数
10
(默认)|大于1的正整数
在交叉验证模型中使用的折叠数,指定为大于1的正整数值。如果你指定KFold, k
,然后软件完成以下步骤:
将数据随机划分为
k
集。对于每一个集合,保留一个集合作为验证数据,使用另一个集合训练模型
k
- 1集。存储
k
紧凑,训练模型在ak
- × 1的单元向量训练有素的
交叉验证模型的属性。
要创建一个交叉验证的模型,你只能指定以下四个名称-值参数中的一个:CVPartition
,坚持
,KFold
,或Leaveout
。
例子:“KFold”,5
数据类型:单
|双
Leaveout
- - - - - -留一个交叉验证标志
“关闭”
(默认)|“上”
留一交叉验证标志,指定为“上”
或“关闭”
。如果你指定“Leaveout”,“上”
,然后为每一个n观察(n观察值的数目(不包括缺失观察值)是否在NumObservations
属性),软件完成以下步骤:
保留一个观测值作为验证数据,使用另一个观测值训练模型n- 1次观察。
存储n紧凑,训练模型在一个n- × 1的单元向量
训练有素的
交叉验证模型的属性。
要创建一个交叉验证的模型,你只能指定以下四个名称-值参数中的一个:CVPartition
,坚持
,KFold
,或Leaveout
。
例子:“Leaveout”,“上”
一会
- - - - - -用于培训的类的名称
分类数组|字符数组|字符串数组|逻辑向量|数值向量|字符向量的单元数组
用于训练的类的名称,指定为分类、字符或字符串数组;向量:逻辑的或数字的向量;或者是字符向量的单元数组。一会
必须有相同的数据类型的响应变量在资源描述
或Y
。
如果一会
是字符数组,则每个元素必须对应于数组的一行。
使用一会
:
指定培训期间的课程顺序。
指定与类顺序对应的任何输入或输出参数维度的顺序。例如,使用
一会
指定维度的顺序成本
返回的分类分数的列顺序预测
。选择一个类的子集进行训练。例如,假设中所有不同类名的集合
Y
是(“a”、“b”、“c”)
。使用来自类的观察来训练模型“一个”
和“c”
只是,指定“类名”,(“a”、“c”)
。
的默认值一会
是响应变量中所有不同类名的集合吗资源描述
或Y
。
例子:“类名”,(“b”,“g”)
数据类型:分类
|字符
|字符串
|逻辑
|单
|双
|细胞
成本
- - - - - -误分类代价
方阵|结构数组
误分类代价,指定为由逗号分隔的对组成“成本”
一个方阵或结构。如果您指定:
默认值为(
,在那里K
) -眼睛(K
)K
是不同类的数量。
fitcensemble
使用成本
中指定的先验类概率之前
。然后,fitcensemble
使用调整后的先验概率进行训练。
例子:'Cost',[0 1 2;1 0 2;[20]
数据类型:双
|单
|结构体
之前
- - - - - -先验概率
“经验”
(默认)|“统一”
|数值向量|结构数组
每个类的先验概率,指定为由逗号分隔的对“之前”
和这个表中的一个值。
价值 | 描述 |
---|---|
“经验” |
类先验概率是类的相对频率Y 。 |
“统一” |
所有的类先验概率都等于1/K,在那里K是类的数量。 |
数值向量 | 每个元素都是一个类先验概率。把元素按顺序排列Mdl。ClassNames 属性指定顺序一会 名称-值对参数。软件将这些元素标准化,使它们的和等于1 。 |
结构数组 | 一个结构
|
fitcensemble
归一化的先验概率之前
和为1。
例子:结构(“类名”,{{setosa,杂色的,‘virginica}}, ClassProbs, 1:3)
数据类型:字符
|字符串
|双
|单
|结构体
ScoreTransform
- - - - - -分数转换
“没有”
(默认)|“doublelogit”
|“invlogit”
|“ismax”
|“分对数”
|函数处理|……
分数转换,指定为字符向量、字符串标量或函数句柄。
这个表总结了可用的字符向量和字符串标量。
价值 | 描述 |
---|---|
“doublelogit” |
1 / (1 +e2x) |
“invlogit” |
日志(x/ (1 -)x)) |
“ismax” |
将得分最高的类的得分设置为1,并将所有其他类的得分设置为0 |
“分对数” |
1 / (1 +e- - - - - -x) |
“没有” 或“身份” |
x(转换) |
“标志” |
1x< 0 为0x= 0 1x> 0 |
“对称” |
2x- 1 |
“symmetricismax” |
将得分最高的类的得分设置为1,并将所有其他类的得分设置为-1 |
“symmetriclogit” |
2 / (1 +e- - - - - -x) - 1 |
对于MATLAB函数或您定义的函数,使用其函数句柄进行分数变换。函数句柄必须接受一个矩阵(原始分数)并返回一个相同大小的矩阵(转换后的分数)。
例子:“ScoreTransform”、“分对数”
数据类型:字符
|字符串
|function_handle
权重
- - - - - -观察权重
正数的数值向量|中的变量名称资源描述
FResample
- - - - - -训练集与重新抽样的比例
1
(默认)|(0,1]中的正标量
LearnRate
- - - - - -收缩学习率
1
(默认)|(0,1]中的数字标量
收缩的学习率,指定为由逗号分隔的对组成“LearnRate”
和区间(0,1)内的一个数字标量。
用收缩来训练一个整体LearnRate
到小于的值1
例如,0.1
是一个受欢迎的选择。使用收缩来训练集合需要更多的学习迭代,但通常可以获得更好的准确性。
例子:“LearnRate”,0.1
数据类型:单
|双
LearnRate
- - - - - -收缩学习率
1
(默认)|(0,1]中的数字标量
收缩的学习率,指定为由逗号分隔的对组成“LearnRate”
和区间(0,1)内的一个数字标量。
用收缩来训练一个整体LearnRate
到小于的值1
例如,0.1
是一个受欢迎的选择。使用收缩来训练集合需要更多的学习迭代,但通常可以获得更好的准确性。
例子:“LearnRate”,0.1
数据类型:单
|双
RatioToSmallest
- - - - - -相对于最低代表类别的抽样比例
正数标量|正数的数值向量
相对于代表性最低的类的抽样比例,指定为由逗号分隔的对组成“RatioToSmallest”
以及长度等于训练数据中不同类的数量的正值的数字标量或数字向量。
假设有K
训练数据中的类和代表率最低的类有米
训练数据中的观察值。
默认值为(
,指定采样K
, 1)米
每个班级的观察结果。
例子:‘RatioToSmallest’,(2,1)
数据类型:单
|双
MarginPrecision
- - - - - -余量精度控制收敛速度
0.1
(默认)|[0,1]中的数字标量
余量精度控制收敛速度,指定为逗号分隔对组成“MarginPrecision”
和区间[0,1]内的一个数字标量。MarginPrecision
影响收敛所需的提升迭代次数。
提示
要训练使用多个学习器的集合,为。指定一个小值MarginPrecision
。对于使用少量学习器的训练,请指定一个较大的值。
例子:“MarginPrecision”,0.5
数据类型:单
|双
RobustErrorGoal
- - - - - -目标分类误差
0.1
(默认)|非负数值标量
目标分类错误,指定为由逗号分隔的对组成“RobustErrorGoal”
一个非负的数字标量。可能值的上界取决于的值RobustMarginSigma
和RobustMaxMargin
。但是,上界不能超过1
。
提示
对于一个特定的训练集,通常有一个最佳范围RobustErrorGoal
。如果将其设置得太低或太高,则软件会生成分类精度较差的模型。尝试交叉验证以搜索适当的值。
例子:“RobustErrorGoal”,0.05
数据类型:单
|双
RobustMarginSigma
- - - - - -分类差额分布价差
0.1
(默认)|正数标量
分类余量分布分布在训练数据上,指定为由逗号分隔的对组成“RobustMarginSigma”
一个正数标量。在指定RobustMarginSigma
,请查阅有关的文献RobustBoost
例如,[19]。
例子:“RobustMarginSigma”,0.5
数据类型:单
|双
RobustMaxMargin
- - - - - -最大分类余量
0
(默认)|非负数值标量
训练数据中的最大分类裕度,指定为由逗号分隔的对组成“RobustMaxMargin”
一个非负的数字标量。该软件将训练数据中具有以下分类裕度的观测值最小化RobustMaxMargin
。
例子:“RobustMaxMargin”,1
数据类型:单
|双
NPredToSample
- - - - - -样本预测数
1
(默认)|正整数
为每个随机子空间学习器采样的预测数,指定为由逗号分隔的对组成“NPredToSample”
区间为1,…的正整数,p,在那里p是预测变量的数量(大小(X, 2)
或大小(台,2)
)。
数据类型:单
|双
OptimizeHyperparameters
- - - - - -需要优化的参数
“没有”
(默认)|“汽车”
|“所有”
|符合条件的参数名称的字符串数组或单元格数组|向量的optimizableVariable
对象
要优化的参数,指定为由逗号分隔的对“OptimizeHyperparameters”
以及以下其中之一:
“没有”
—不优化。“汽车”
——使用{‘法’,‘NumLearningCycles’,‘LearnRate}
的默认参数学习者
:学习者
=“树”
(默认){' MinLeafSize '}
学习者
=“判别”
- - - - - -{“三角洲”,“伽马”}
学习者
=“资讯”
- - - - - -{‘距离’,‘NumNeighbors}
请注意
对于超参数优化,
学习者
必须是单个参数,而不是字符串数组或单元格数组。“所有”
—优化所有符合条件的参数。符合条件的参数名称的字符串数组或单元格数组
向量的
optimizableVariable
对象的输出hyperparameters
的交叉验证损失(错误)最小化fitcensemble
通过改变参数。有关交叉验证丢失的信息(尽管在不同的上下文中),请参见分类损失。控件来控制交叉验证类型和优化的其他方面HyperparameterOptimizationOptions
名称-值对。
请注意
的值“OptimizeHyperparameters”
覆盖使用其他名称-值参数指定的任何值。例如,设置“OptimizeHyperparameters”
来“汽车”
原因fitcensemble
的超参数“汽车”
选项并忽略超参数的任何指定值。
的合格参数fitcensemble
是:
方法
-取决于类的数量。两个类——符合条件的方法是
“包”
,“GentleBoost”
,“LogitBoost”
,“AdaBoostM1”
,“RUSBoost”
。三个或更多的类——合格的方法是
“包”
,“AdaBoostM2”
,“RUSBoost”
。
NumLearningCycles
- - - - - -fitcensemble
在正整数中搜索,默认情况下按范围进行对数缩放[10500]
。LearnRate
- - - - - -fitcensemble
搜索正实数,默认情况下按范围进行对数缩放(1 e - 3, 1)
。所选的符合条件的超参数
学习者
:学习者 合格Hyperparameters
粗体=默认使用默认范围 “判别”
δ
在范围内进行对数缩放 (1 e-6, 1 e3)
DiscrimType
“线性”
,“二次”
,“diagLinear”
,“diagQuadratic”
,“pseudoLinear”
,“pseudoQuadratic”
γ
的实际值 [0, 1]
“资讯”
距离
“cityblock”
,“chebychev”
,“相关”
,的余弦
,“欧几里得”
,“汉明”
,“jaccard”
,“mahalanobis”
,闵可夫斯基的
,“seuclidean”
,“枪兵”
DistanceWeight
“平等”
,“逆”
,“squaredinverse”
指数
中的正值 (0.5, 3)
NumNeighbors
在范围内按对数缩放的正整数值 [1,马克斯(2轮(NumObservations / 2)))
标准化
“真正的”
和“假”
“树”
MaxNumSplits
整数在范围内进行对数缩放 NumObservations-1[1,马克斯(2))
MinLeafSize
整数在范围内进行对数缩放 [1,马克斯(2楼(NumObservations / 2)))
NumVariablesToSample
范围内的整数 NumPredictors[1,马克斯(2))
SplitCriterion
gdi的
,“异常”
,“两个”
另外,使用
hyperparameters
和你所选择的学习者
。注意,在创建预测器时必须指定预测器数据和响应optimizableVariable
对象。负载fisheriris参数=超参数(“fitcensemble”量,物种,“树”);
要查看符合条件的和默认的超参数,请检查
参数个数
。
通过传递的向量来设置非默认参数optimizableVariable
具有非默认值的对象。例如,
负载fisheriris参数=超参数(“fitcensemble”量,物种,“树”);参数(4)。Range = [1,30];
通过参数个数
的值OptimizeHyperparameters
。
默认情况下,迭代显示出现在命令行,并根据优化中超参数的数量出现绘图。对于优化和图,目标函数为误分类率。要控制迭代显示,请设置详细的
田野“HyperparameterOptimizationOptions”
名称-值参数。要控制情节,设置ShowPlots
田野“HyperparameterOptimizationOptions”
名称-值参数。
使用示例请参见优化分类集成。
例子:OptimizeHyperparameters,{‘法’,‘NumLearningCycles’,‘LearnRate’,‘MinLeafSize’,‘MaxNumSplits}
HyperparameterOptimizationOptions
- - - - - -优化选项
结构
优化选项,指定为结构。的效果OptimizeHyperparameters
名称-值参数。结构中的所有字段都是可选的。
字段名 | 值 | 默认的 |
---|---|---|
优化器 |
|
“bayesopt” |
AcquisitionFunctionName |
获取函数的名称包括 |
“expected-improvement-per-second-plus” |
MaxObjectiveEvaluations |
目标函数评价的最大次数。 | 30. 为“bayesopt” 和“randomsearch” ,以及整个电网“gridsearch” |
MaxTime |
时间限制,指定为正实标量。时间限制以秒为单位,由 |
正 |
NumGridDivisions |
为“gridsearch” 表示每个维度中值的个数。该值可以是表示每个维度的值的正整数向量,也可以是适用于所有维度的标量。对于分类变量,此字段将被忽略。 |
10 |
ShowPlots |
指示是否显示图形的逻辑值。如果真正的 ,该字段根据迭代次数绘制最佳观测目标函数值。如果你使用贝叶斯优化(优化器 是“bayesopt” ),则该字段也绘制出最佳估计目标函数值。最佳观测目标函数值和最佳估计目标函数值对应于中的值BestSoFar(观察) 和BestSoFar (estim)。 列的迭代分别显示。您可以在属性中找到这些值ObjectiveMinimumTrace 和EstimatedObjectiveMinimumTrace 的Mdl。HyperparameterOptimizationResults 。如果问题包含一个或两个用于贝叶斯优化的优化参数,则ShowPlots 并根据参数绘制了目标函数的模型。 |
真正的 |
SaveIntermediateResults |
时是否保存结果的逻辑值优化器 是“bayesopt” 。如果真正的 ,此字段覆盖名为“BayesoptResults” 在每次迭代中。变量是aBayesianOptimization 对象。 |
假 |
详细的 |
在命令行显示:
详细信息请参见 |
1 |
UseParallel |
指示是否并行运行贝叶斯优化的逻辑值,这需要并行计算工具箱。由于并行时序的不可再现性,并行贝叶斯优化不一定产生可再现的结果。有关详情,请参阅并行贝叶斯优化。 | 假 |
重新分区 |
指示是否在每次迭代时重新划分交叉验证的逻辑值。如果这个字段是 设置 |
假 |
请使用以下三个选项中的一个。 | ||
CVPartition |
一个cvpartition 对象创建的cvpartition |
“Kfold”,5 如果未指定交叉验证字段 |
坚持 |
范围内的标量(0,1) 表示保留分数 |
|
Kfold |
大于1的整数 |
例子:“HyperparameterOptimizationOptions”、结构(MaxObjectiveEvaluations, 60)
数据类型:结构体
输出参数
Mdl
-训练分类集成模型
ClassificationBaggedEnsemble
模型对象|ClassificationEnsemble
模型对象|ClassificationPartitionedEnsemble
交叉验证模型对象
经过训练的集成模型,作为该表中的模型对象之一返回。
模型对象 | 指定任何交叉验证选项? | 方法 设置 |
重新取样 设置 |
---|---|---|---|
ClassificationBaggedEnsemble |
没有 | “包” |
“上” |
ClassificationEnsemble |
没有 | 用于分类的任何集合聚合方法 | “关闭” |
ClassificationPartitionedEnsemble |
是的 | 用于分类的任何集合聚合方法 | “关闭” 或“上” |
控制交叉验证的名称-值对参数是CrossVal
,坚持
,KFold
,Leaveout
,CVPartition
。
引用的属性Mdl
,使用点表示法。例如,要访问或显示尚未交叉验证的集成的弱学习器模型对象的单元向量,请输入Mdl。训练有素的
在命令行。
提示
NumLearningCycles
从几十个到几千个不等。通常,一个具有良好预测能力的集合需要几百到几千个弱学习器。然而,你不需要一次训练那么多的循环。您可以从培养几十个学习器开始,检查集合性能,然后,如果有必要,使用重新开始
用于分类问题。集合性能取决于集合设置和弱学习者的设置。也就是说,如果使用默认参数指定弱学习器,那么集成的性能可能会很差。因此,像集成设置一样,使用模板调整弱学习器的参数并选择最小化泛化误差的值是一个很好的实践。
如果集成聚合方法(
方法
)是“包”
和:误分类成本(
成本
)是高度不平衡的,然后,对于包内样本,软件从具有较大惩罚的类中过度采样独特的观察结果。类先验概率(
之前
)是高度倾斜的,软件从具有大先验概率的类中进行过采样。
对于较小的样本量,这些组合可能导致从具有较大惩罚或先验概率的类中获得的out-of-bag观察的相对频率较低。因此,估计的袋外误差是高度可变的,并且很难解释。为了避免大的估计袋外误差方差,特别是对于小样本量,设置一个更平衡的错误分类成本矩阵使用
成本
或者用更少偏斜的先验概率向量之前
。因为一些输入和输出参数的顺序对应于训练数据中的不同类,所以使用
一会
名称-值对参数。为了快速确定类顺序,从训练数据中删除所有未分类(即缺少标签)的观察值,获取并显示所有不同类的数组,然后为
一会
。例如,假设响应变量(Y
)是标签的单元格数组。这段代码指定了变量中的类顺序一会
。Ycat = categorical(Y);classNames =类别(Ycat)
分类
分配<定义>
对未分类的观察和类别
不包括<定义>
从它的输出。因此,如果将此代码用于标签的单元格数组或类似的代码用于分类数组,则不必删除缺少标签的观察值以获得不同类的列表。要指定从表示最低的标签到表示最多的标签的类顺序,然后快速确定类顺序(如前面的项目符号所示),但是在将列表传递给之前按频率排列列表中的类
一会
。继上一个示例之后,这段代码指定了中从最低到最多表示的类顺序classNamesLH
。Ycat = categorical(Y);classNames = categories(Ycat);freq = counts (Ycat);[~,idx] = sort(频率);classNamesLH = classNames(idx);
在训练模型之后,您可以生成用于预测新数据标签的C/ c++代码。生成C/ c++代码需要MATLAB编码器™。有关详情,请参阅代码生成简介。
算法
有关集成聚合算法的详细信息,请参见整体算法。
如果你设置
方法
成为一个提升算法学习者
要成为决策树,则软件默认生长浅决策树。参数来调整树的深度MaxNumSplits
,MinLeafSize
,MinParentSize
名称-值对参数使用templateTree
。如果您指定
成本
,之前
,权重
参数时,输出模型对象将指定值存储在成本
,之前
,W
属性,分别。的成本
属性存储用户指定的成本矩阵(C),无需修改。的之前
和W
属性分别存储归一化后的先验概率和观测值权重。对于模型训练,软件更新先验概率和观察权重,以纳入代价矩阵中描述的惩罚。有关详情,请参阅错误分类代价矩阵,先验概率和观察权重。装袋(
“方法”,“包”
),fitcensemble
通过错误分类代价大的过采样类和错误分类代价小的欠采样类生成袋内样本。因此,袋外样本从错误分类代价大的类别中得到的观测值更少,而从错误分类代价小的类别中得到的观测值更多。如果你使用一个小的数据集和一个高度倾斜的代价矩阵来训练一个分类集合,那么每个类的out-of-bag观察值的数量就会很低。因此,估计的袋外误差可能有很大的差异,并且很难解释。具有大先验概率的类也会出现同样的现象。对于RUSBoost集成聚合方法(
“方法”、“RUSBoost”
),即名称-值对参数RatioToSmallest
指定每个类相对于表示最少的类的抽样比例。例如,假设训练数据中有两个类:一个和B。一个有100个观察结果B有10个观察值。假设代表最低的阶级有米
训练数据中的观察值。如果你设置
“RatioToSmallest”,2
,然后
=年代
*米
2 * 10
=20.
。因此,fitcensemble
用20次课堂观察来训练每个学习者一个以及课堂上的20项观察B。如果你设置‘RatioToSmallest’,(2 - 2)
,然后得到相同的结果。如果你设置
‘RatioToSmallest’,(2,1)
,然后
=s1
*米
2 * 10
=20.
和
=s2
*米
1 * 10
=10
。因此,fitcensemble
用20次课堂观察来训练每个学习者一个还有课堂上的10项观察B。
对于双核及以上系统,
fitcensemble
使用英特尔线程构建块(TBB)并行训练。有关英特尔TBB的详细信息,请参见https://www.intel.com/content/www/us/en/developer/tools/oneapi/onetbb.html。
参考文献
[1] Breiman, L.《袋装预测者》。机器学习。第26卷,第123-140页,1996。
[2] Breiman, L.《随机森林》。机器学习。第45卷,第5-32页,2001。
b[3] Freund, Y.“一个更稳健的提升算法。”v1 arXiv: 0905.2138, 2009年。
[b]弗里德,Y.和R. E.夏皮尔。在线学习的决策理论概括及其在boost中的应用计算机与系统科学博士,第55卷,第119-139页,1997年。
J. Friedman,“贪心函数逼近:一种梯度增强机器”。统计年鉴,第29卷第5期,第1189-1232页,2001。
bbb Friedman, J., T. Hastie, R. Tibshirani。“加法逻辑回归:助推的统计观点。”统计年鉴,第28卷第2期,第337-407页,2000年。
[10]哈斯蒂,T., R. Tibshirani, J. Friedman。统计学习的要素章节版,施普林格,纽约,2008。
[10]何天凯,“构造决策森林的随机子空间方法”。IEEE模式分析与机器智能汇刊,第20卷第8期,第832-844页,1998年。
[10]夏皮尔,R. E., Y. Freund, P. Bartlett, W.S. Lee。“提高优势:对投票方式有效性的新解释。”统计年鉴,第26卷第5期,第1651—1686页,1998年。
[10]塞弗特,C., T. Khoshgoftaar, J. Hulse, A. Napolitano。“RUSBoost:在训练数据偏斜时提高分类性能。”第19届模式识别国际会议,第1-4页,2008。
[10]温姆斯,M., J.廖,G.拉奇。“完全纠正了提升算法,使利润最大化。”第23号程序机器学习研讨会,ACM,纽约,第1001-1008页,2006。
扩展功能
自动平行支撑金宝app
通过使用并行计算工具箱™自动运行并行计算来加速代码。
fitcensemble
金宝app支持并行训练“选项”
名称-值参数。使用以下命令创建选项statset
,例如options = statset('UseParallel',true)
。并行集成训练要求您设置“方法”
名称-值参数“包”
。并行训练只适用于树学习器,默认类型为“包”
。
执行并行超参数优化,请使用“HyperparameterOptimizationOptions”、结构(UseParallel,真的)
类调用中的名称-值参数fitcensemble
函数。
有关并行超参数优化的更多信息,请参见并行贝叶斯优化。
有关并行计算的一般信息,请参见运行MATLAB函数与自动并行支持金宝app(并行计算工具箱)。
GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。
使用注意事项和限制:
fitcensemble
金宝app只支持决策树学习器。您可以指定名称-值参数学习者
只有当“树”
,由创建的学习模板对象或学习模板对象的单元向量templateTree
。如果你使用templateTree
,您可以指定名称-值参数代理
和PredictorSelection
只有当“关闭”
和“allsplits”
,分别。您可以指定名称-值参数
方法
只有当“AdaBoostM1”
,“AdaBoostM2”
,“GentleBoost”
,“LogitBoost”
,或“RUSBoost”
。不能指定名称-值参数
NPredToSample
。如果你使用
templateTree
数据包含分类预测因子,适用于以下情况:对于多类分类,
fitcensemble
金宝app只支持OVAbyClass
寻找最佳分割的算法。您可以指定名称-值参数
NumVariablesToSample
只有当“所有”
。
fitcensemble
如果符合以下任何一种情况,则适合GPU上的模型:输入参数
X
是一个gpuArray
对象。输入参数
资源描述
包含gpuArray
预测变量。
如果你使用
templateTree
指定MaxNumSplits
请注意fitcensemble
对于更深入的决策树,在GPU上执行可能不会比在CPU上执行得更快。
版本历史
在R2016b中引入
第一MATLAB
在MATLAB中编写了一种常用的求解方法:
Esegui将在MATLAB中执行编译。I浏览器网页不支持命令MATLAB。金宝app
你亦可选择下列网址:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。