火车分类集合
此示例显示如何为其创建分类树集合电离层数据集，并使用它来预测雷达返回的分类，具有平均测量。
加载电离层数据集。
加载电离层
训练分类集合。对于二进制分类问题，fitcensemble.使用LogitBoost聚合100个分类树。
mdl = fitcensemble（x，y）
mdl = classificationsemble racatectename：'y'pationoricalpricictors：[] classnames：{'b'g'} scoreTransform：'none'numobservations：351 numtromed：100方法：'logitboost'学员：{'树'}原理：'正常终止完成所要求的培训周期后。fitinfo：[100x1 double] fitinfodescription：{2x1 cell}属性，方法
MDL.是A.分类索斯模型。
在集合中绘制第一训练分类树的图表。
查看（mdl.tromed {1} .compactregressionlearner，'模式'那'图形'）;
默认，fitcensemble.为提升算法生长浅树。您可以通过将树模板对象传递给树深度来更改树深度fitcensemble.。有关更多详细信息，请参阅Templatetree.。
预测平均预测器测量的雷达返回的质量。
标签=预测（MDL，平均值（x））
标签=1x1细胞阵列{'G'}
也可以看看
相关话题
您还可以从以下列表中选择一个网站：
