predictorImportance

回归集合中预测因子重要性的估计

全部展开页面

语法

小鬼= predictorImportance(实体) (imp, ma) = predictorImportance(实体)

描述

小鬼= predictorImportance (实体）计算预测器重要性的估计实体通过对集合中所有弱学习者的估计进行求和。小鬼在用于训练这个集合的数据中，每个输入预测器都有一个元素。高值表明该预测因子对实体．

［小鬼，马) = predictorImportance (实体）返回一个P——- - - - - -P具有预测关联度量的矩阵P预测因子。

输入参数

`实体`	一个回归集成，由`fitrensemble`，或由`紧凑的`方法。

输出参数

`小鬼`	中元素数量与预测器(列)数量相同的行向量`实体．X`．条目是预测器重要性的估计，与`0`代表最小的重要性。
`马`	一个`P`——- - - - - -`P`关联的预测度量矩阵`P`预测因子。元素`硕士(I, J)`关联的预测测量是否超过预测因子的代理分割`J`的预测`我`为最优分裂预测器。`predictorImportance`对集合中所有树的关联预测度量进行平均。

例子

全部展开

估计预测的重要性

打开生活的脚本

估计数据中所有预测变量的预测因子的重要性。

加载carsmall数据集。

负载carsmall

为…生长100棵回归树英里/加仑使用加速度，气缸，位移，马力，Model_Year,重量为预测因子。指定树桩为弱学习者。

X =[加速气缸排量马力Model_Year重量];t = templateTree (“MaxNumSplits”1);实体= fitrensemble (X,英里/加仑,“方法”，“LSBoost”，“学习者”t);

估计所有预测变量的预测因子的重要性。

小鬼= predictorImportance(实体)

小鬼=1×60.0150 0 0.0066 0.1111 0.0437 0.5181

重量最后一个预测因子，对里程影响最大。第二个预测器的重要性为0，这意味着气瓶的数量不会影响用实体．

预测重要性和代理分割

打开生活的脚本

估计数据中所有变量的预测器重要性，以及回归树集成包含代理分割的位置。

加载carsmall数据集。

负载carsmall

为…生长100棵回归树英里/加仑使用加速度，气缸，位移，马力，Model_Year,重量为预测因子。指定树桩作为弱学习器，并标识代理分割。

X =[加速气缸排量马力Model_Year重量];t = templateTree (“MaxNumSplits”，1，“代孕”，“上”）;实体= fitrensemble (X,英里/加仑,“方法”，“LSBoost”，“学习者”t);

估计所有预测变量的预测重要性和预测关联措施。

(imp, ma) = predictorImportance(实体)

小鬼=1×60.2141 0.3798 0.4369 0.6498 0.3728 0.5700

马=6×61.0000 0.0098 0.0102 0.0098 0.0033 0.0067 0 1.0000 0000 0.0056 0.0084 1.0000 0.0078 0.0022 0.0084 0.3537 0.4769 0.5834 1.0000 0.1612 0.5827 0.0061 0.0070 0.0064 1.0000 0.0056 0.0154 0.0296 0.0533 0.0447 0.0070 1.0000

比较小鬼结果是估计预测的重要性，马力对里程影响最大的是重量有第二大的影响。