さまざまなアンサンブル学習のアルゴリズムについて学びます。

多数の弱学習器を使用することにより、非常に正確な予測を行います。

単純なアンサンブル回帰に学習をさせます。

アンサンブルの予測品質を評価する方法について学びます。

交互作用検定アルゴリズムを使用してランダム フォレストの分割予測子を選択します。

予測性能を低下させずに、アンサンブルについて選択する弱学習器の数を自動的に少なくします。

回帰用のTreeBaggerアンサンブルを作成する。

TreeBaggerを並列に実行することにより計算を高速化する。

分位点ランダム フォレストを使用して外れ値を検出します。

分位点ランダム フォレストを使用し、カーネル平滑化を使用して応答の条件付き分布関数を推定することにより、与えられた予測子データに対する応答の条件付き分位を推定します。

ベイズ最適化を使用して分位点ランダム フォレストを調整します。

最適なハイパーパラメーターでアンサンブル回帰モデルの学習を行い、RegressionEnsemble预测ブロックを応答予測に使用する。