oobPermutedPredictorImportance
分類木のランダムフォレストに対するout-of-bag予測子の並べ替えによる予測子の重要度の推定
説明
は,分類木のランダムフォレスト小鬼
= oobPermutedPredictorImportance (Mdl
)Mdl
を使用して,並べ替えによるout-of-bag予測子の重要度の推定をベクトルで返します。Mdl
はClassificationBaggedEnsemble
モデルオブジェクトでなければなりません。
入力引数
出力引数
例
詳細
ヒント
fitcensemble
の使用によりランダムフォレストを成長させる場合,
標準购物车アルゴリズムには,相違する値が少ない分割予測子(カテゴリカル変数など)よりも,相違する値が多い分割予測子(連続変数など)を選択する傾向があります[3]。予測子データセットが異種混合である場合や,一部の予測子が相違する値を他の変数よりも相対的に少なく含んでいる場合は,曲率検定または交互作用検定の指定を検討してください。
標準购物车を使用して成長させた木は,予測子変数の交互作用の影響を受けません。また,多くの無関係な予測子が存在する状況では,このような木によって重要な変数が特定される可能性は,交互作用検定を適用した場合より低くなります。このため,予測子の交互作用を考慮し,重要度変数の特定を多くの無関係な変数が存在する状況で行うには,交互作用検定を指定します[2]。
多数の予測子が学習データに含まれている場合に予測子の重要度を分析するには,アンサンブルの木学習器について関数
templateTree
の“NumVariablesToSample”
として“所有”
を指定します。このようにしないと,重要度が過小評価されて一部の予測子が選択されない可能性があります。
詳細にいては,templateTree
および分割予測子選択手法の選択を参照してください。
参考文献
布莱曼,L.弗里德曼,R.奥尔申和C.斯通。分类和回归树。佛罗里达州博卡拉顿:CRC出版社,1984年。
[2] Loh, W.Y.,“无偏变量选择和交互检测的回归树”。中国统计,Vol. 12, 2002, pp. 361-386。
[3]罗永安、施永信。分类树的分割选择方法中国统计,Vol. 7, 1997, pp. 815-840。
拡張機能
バ,ジョン履歴
R2016bで導入