カーネル平滑のによる条件付き分位推定推定

例で分位ランダムフォレストフォレスト使用し，カーネル化使用しして応答応答応答応答のの条件付き付き关数关数をを推定推定ことことにより，与え与えられたた予测子示します。

分位数推定する速度，，定量，Oobquantilepredict，误导およびOobquantileerrorは线形使用て応答の条件分位数を予测します。。ただし，分布分布关数を构成构成するするする応答ksdensityに渡すと速度犠牲にて精度向上さことができる可能性があります。

2000年个个の値値を生成。。。。

$$t$$は0と1のので分布して，，， $${\epsilon }_t〜n（（0，，，，t^2/2+0。01）$$です。をテーブル保存します。

n = 2000;rng（'默认'）；％可再现性t = randsample（linspace（0,1,1e2），n，true）';epsilon = randn（n，1）。*sqrt（t。^2/2 + 0.01）;y = 0.5 + t + epsilon;tbl =表（t，y）;

データセットをして，回帰木回帰木アンサンブルに学习をせせます200个个个个个个个个个个个の弱弱学习器学习器ををを指定指定しししし

rng（'默认'）；％可再现性mdl = treebagger（200，tbl，'y'，，，，'方法'，，，，“回归”，，，，...'oobprediction'，，，，'在'）；

MDLはtreebaggerアンサンブルです。

Oobquantilepredictをし，内插内插によって，，すべてすべての学习标本観测観测値についてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてについてのののののののののののののののののののののののの0.05および0.95分位0.95分位（90％信頼）を时间を记录ます。

tau = [0.05 0.95];tic [量子，yw] = oobquantilepredict（mdl，“分数”，tau）;timeInterp = toc;

量化は，し数が格纳格纳さてているいるいるいるいるいるいるいるいるいるいるいるいるいる列列列列のですですmdl.x内の値に，ははtau内の确率に対応。。YW94行94列列列のスパース行列行列行列ですです。。行はは学习标本标本の観测値値にににmdl.x内の値対応し。応答の重みはtauに依存しん。

カーネル平滑化使用ててててのの0.05および0.05および0.95をを予测し，実行时间を记录しますます。。

n = numel（tbl.y）;量子=零（n，numel（tau））;％预定％抽动为了j = 1：n Quantk（j，:) = ksdensity（tbl.y，tau，'功能'，，，，'icdf'，，，，“重量”，yw（：，j））;结尾timeks = toc;

量子は量化に相応し。

カーネル平推定の実行时间のを评価します。

Timeks/TimeInterp

ANS = 4.8614

内插より平滑を実行する方はるかにがかかりかかります。。このこの比率比率ははののににに依存依存依存するするする

両方のた数のセットにににをプロットます。。

[ST，IDX] = sort（t）;数字;h1 =图（t，y，'。'）；抓住在h2 =绘图（st，tastinterp（idx，:)，，'b'）；h3 =绘图（st，Quartk（IDX，:)，，'r'）；图例（[H1 H2（1）H3（1）]，'数据'，，，，“插值”，，，，“内核平滑”）；标题（“分位数估计”） 抓住离开

推定し数のは，どちらかなりしています。ただし，tの値场合カーネル化による数内插分位数数の方が间隔がわずかわずかにに狭くなってて

参考

Oobquantilepredict|treebagger|treebagger|ksdensity

关连するトピック

• 分位点の使用外れ値の検出
• 分位数と最化の使用ランダムフォレストの调整