RegressionTreeクラス
ス,パ,クラス:CompactRegressionTree
回帰木
説明
バ@ @ナリ分割により回帰を行う決定木。クラスRegressionTree
のオブジェクトは,预测
メソッドを使用して,新しいデ,タに対する応答を予測できます。オブジェクトには,学習に使用したデ,タが格納されているため,再代入予測を計算できます。
構築
RegressionTree
オブジェクトの作成にはfitrtree
を使用します。
プロパティ
|
数値予測子のビンのエッジ。p個の数値ベクトルが含まれている cell 配列を指定します。p は予測子の個数です。各ベクトルには、数値予測子のビンのエッジを含めます。カテゴリカル予測子はビン化されないので、カテゴリカル予測子の場合は、この cell 配列の要素を空にします。 数値予測子がビン化されるのは,木学習器を使用してモデルに学習をさせるときに名前と値の引数 学習済みモデル X = mdl.X;%预测数据Xbinned = 0(大小(X));edges = mdl.BinEdges;查找已分类预测符的索引。idxNumeric = find(~cellfun(@isempty,edges));if iscolumn(idxNumeric) idxNumeric = idxNumeric';end for j = idxNumeric x = x (:,j);如果x是一个表,则将x转换为数组。If stable(x) x = table2array(x);将x分组到箱子中
Xbinned に格納されます。カテゴリカル予測子の場合,Xbinned の値は0になります。X に南 が含まれている場合,対応するXbinned の値は南 になります。 |
|
カテゴリカル予測子の@ @ンデックス。正の整数のベクトルとして指定します。 |
|
N行2列のcell配列。ここで |
|
|
|
|
|
|
|
|
|
|
|
|
|
展開された予測子名。文字ベクトルのcell配列として格納されます。 モデルがカテゴリカル変数用のエンコ,ディングを使用している場合, |
|
ハパパラメタの交差検証最適化の説明。
|
|
N要素のlogicalベクトル |
|
|
|
学習デタの観測値の数を表す数値スカラ。入力デ,タ |
|
|
|
|
|
|
|
リに含まれるノドのリスクを表すn要素のベクトル。ここで,nはノ,ド数です。各ノ,ドのリスクは、ノード確率によって重み付けされたノード誤差です。 |
|
|
|
|
|
|
|
予測子変数の名前のcell配列。並びは |
|
枝刈りレベルごとに1の要素をも。枝刈りレベルの範囲が0 ~ mの場合, |
|
|
|
応答変数 ( |
|
生の応答値(平均二乗誤差)を変換するための関数ハンドル。この関数ハンドルでは,応答値の行列を受け入れて同じサ。既定の ドット表記を使用して関数 树。ResponseTransform = @function |
|
当てはめに使用した元の予測子デタ( |
|
|
|
|
|
|
|
|
|
|
|
|
|
スケ,ルされた |
|
予測子の値の行列または表。 |
|
|
オブジェクト関数
紧凑的 |
コンパクトな回帰木 |
crossval |
交差検証を使用した決定木 |
cvloss |
交差検証による回帰誤差 |
收集 |
Gpuからの统计和机器学习工具箱オブジェクトのプロパティの収集 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
回帰誤差 |
nodeVariableRange |
決定木ノ,ドの変数範囲の取得 |
partialDependence |
部分従属の計算 |
plotPartialDependence |
部分依存プロット(pdp)および個別条件付き期待値(ice)プロットの作成 |
预测 |
回帰木の使用による応答の予測 |
predictorImportance |
回帰木の予測子の重要度の推定 |
修剪 |
枝刈りによる回帰サブリのシケンスの作成 |
resubLoss |
再代入による回帰誤差 |
resubPredict |
リの再代入応答の予測 |
沙普利 |
シャプレ値 |
surrogateAssociation |
回帰木における代理分岐に対する関連性の平均予測尺度 |
视图 |
回帰木の表示 |
コピ,のセマンティクス
値。値のクラスがコピ操作に与える影響にいては,オブジェクトのコピを参照してください。
例
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。
拡張機能
バ,ジョン履歴
R2011aで導入