包:classreg.learning.regr
超类:CompactRegressionEnsemble
整体回归
RegressionEnsemble
结合了一组训练过的弱学习者模型和训练这些学习者的数据。它可以通过聚合弱学习者的预测来预测新数据的集合响应。
使用创建一个回归集合对象fitrensemble
.
|
的单元格数组,用于数字预测器的二进制边p数值向量,p是预测者的数量。每个向量包含一个数值预测器的料仓边。类别预测器的单元格数组中的元素是空的,因为软件不会对类别预测器进行分类。 只有指定时,软件才会回箱数值预测器 您可以复制被装箱的预测器数据 X = mdl.X;Xbinned = 0 (size(X));边缘= mdl.BinEdges;找到被装箱的预测器的索引。idxNumeric =找到(~ cellfun (@isempty边缘));if iscolumn(idxNumeric) idxNumeric = idxNumeric';end for j = idxNumeric x = x (:,j);%如果x是一个表,将x转换为数组。If istable(x) x = table2array(x);将x分组到容器中
Xbinned 包含箱子索引,范围从1到箱子的数量,用于数字预测器。Xbinned 对于分类预测器,值为0。如果X 包含南 S,然后对应Xbinned 值是南 年代。 |
|
分类预测指标,指定为正整数的向量。 |
|
描述集合如何结合学习者预测的字符向量。 |
|
扩展预测器名称,存储为字符向量的单元数组。 如果模型对分类变量使用编码,则 |
|
适合信息的数字数组。的 |
|
描述字符向量的意义 |
|
集合中带有弱学习者名称的字符向量的单元格数组。每个学习者的名字只出现一次。例如,如果你有100棵树, |
|
超参数的交叉验证优化描述,存储为
|
|
具有算法名称的字符向量 |
|
训练参数 |
|
数字标量包含训练数据中的观察数。 |
|
集合中受过训练的学习者数量,一个正标量。 |
|
预测器变量名称的单元数组,按它们出现的顺序排列 |
|
描述原因的字符向量 |
|
|
|
具有响应变量名称的字符向量 |
|
用于转换分数的函数句柄,或表示内置转换函数的字符向量。 添加或更改 ens.ResponseTransform = @函数 |
|
训练有素的学习者,一组紧凑的回归模型。 |
|
集合分配给学习者的权重的数字矢量。该集合通过聚合学习者的加权预测来计算预测响应。 |
|
的比例 |
|
训练集合的预测值的矩阵或表。每一列的 |
|
具有相同行数的数字列向量 |
紧凑的 |
创建紧凑的回归集合 |
crossval |
交叉验证合奏 |
cvshrink |
交叉验证收缩(剪枝)集合 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
回归误差 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
预测 |
预测响应使用集合的回归模型 |
predictorImportance |
回归集合中预测器重要性的估计 |
规范 |
求权值以使再替换误差加惩罚项最小 |
removeLearners |
移除紧凑回归集合的成员 |
resubLoss |
再替换的回归误差 |
resubPredict |
用置换法预测系综的响应 |
重新开始 |
恢复训练合奏 |
沙普利 |
沙普利值 |
缩小 |
修剪合奏 |
价值。要了解值类如何影响复制操作,请参见复制对象.
对于回归树的集合,则训练有素的
属性包含的单元格向量ens.NumTrained
CompactRegressionTree
模型对象。用于树的文字或图形显示t
在单元格向量中,输入
视图(实体。训练有素的{t})