アンサンブル分类の学习

この例はを使用ます：

例でアンサンブル分类并列学习の方法を示します。にははは，，赤赤赤赤とととの基底基底基底位置位置位置がががががががが个个个个个个个个个ずつとと，，，それらそれらそれらののの目的はのに基づいて点分类ことです各各色のの基底基底基底位置位置位置どうしが近く近くにあるあるあるある场合场合场合

10个をを个个ずつしてプロットます。。

RNG默认％可再现性grnpop = mvnrnd（[1,0]，眼睛（2），10）;redpop = mvnrnd（[0,1]，眼睛（2），10）;绘图（grnpop（：，1），grnpop（：，2），，'去'） 抓住上绘图（redpop（：，1），redpop（：，2），，'ro'） 抓住离开

ランダムなを中心とする各色各色のの点点をををををを个个个ずつ作成

n = 40000;redpts =零（n，2）; grnpts = redpts;为了i = 1：n grnpts（i，:) = mvnrnd（grnpop（randi（10），:)，eye（2）*0.02）;redpts（i，:) = mvnrnd（redpop（randi（10），:)，eye（2）*0.02）;结尾图图（grnpts（：，1），grnpts（：，2），，'去'） 抓住上绘图（Redpts（：1），Redpts（：，2），，'ro'） 抓住离开

cdata = [grnpts; redpts];grp =一个（2*n，1）;％绿色标签1，红色标签-1grp（n+1：2*n）= -1;

バギング分类データあてはめ。并列によるのに，，アンサンブルを逐次的にあてはめてあてはめて学习学习时间を取得取得

tic mdl = fitCensemble（cdata，grp，'方法'，，，，'包'）；stime = toc

Stime = 9.0782

あてはめたののの损失损失评価します。。

Myerr = Oobloss（MDL）

Myerr = 0.0572

再现のテンプレートとパラレルサブを使用して并列的バギング分类分类モデルモデルををを作成作成しますます。クラスタークラスターに対するに対する并列并列プールをを作成するするかかか，マシンマシンマシンマシン环境の选択は，スレッドベース环境プロセスベースの环境选択选択を参照しください。

Parpool

使用“本地”配置文件开始并行池（PARPOOL）...连接到并行池（工人数量：6）。

ans = processPool with属性：连接：true Numworkers：6群集：local actactedfiles：{} autoAddclientPath：true Idletimeout：30分钟（剩余30分钟）SPMDENBABLE：TRUE

s = randstream（'MRG32K3A'）；选项= statset（“ useparallel”，真的，“ useubstreams”，真的，“流”，S）;t = Templatetree（“可重现”，真的）;TIC MDL2 = FITCENSEMEM（CDATA，GRP，'方法'，，，，'包'，，，，“学习者”，t，'选项'，选项）;ptime = toc

ptime = 6.2527

6コアコアで，并列学习プロセス方が高速。。

加速=静止/ptime

加速= 1.4519

このモデルのの损失损失评価します。。

myerr2 = oobloss（MDL2）

myerr2 = 0.0577

误差率最初のと同等です。

モデル再现をするため，乱数をリセットてモデルを再度あてあて。。。

重置（S）;TIC MDL2 = FITCENSEMEM（CDATA，GRP，'方法'，，，，'包'，，，，“学习者”，t，'选项'，选项）;TOC

经过的时间为3.953355秒。

损失が损失とであることをし。。。

myerr2 = oobloss（MDL2）

myerr2 = 0.0577

参考

FitCensemble|fitrensemble

アンサンブル分类の学习

参考

关连するトピック