compactregressionEnsemble类
紧凑的回归合奏类
描述
紧凑版本的回归合奏（类回归综合）。紧凑型版本不包括用于训练回归合奏的数据。因此，您无法使用紧凑的回归合奏执行某些任务，例如交叉验证。使用紧凑的回归合奏来对新数据进行预测（回归）。
特性
|
分类预测指标列表。 |
|
一个角色矢量描述合奏如何结合学习者的预测。 |
|
扩展的预测指标名称，存储为字符向量的单元格数组。 如果模型使用编码用于分类变量，则 |
|
合奏中训练有素的学习者数量，一个积极的标量。 |
|
预测变量的单元格数组，按照它们出现的顺序 |
|
具有响应变量名称的字符向量 |
|
用于转换分数的功能句柄或代表内置转换函数的字符向量。 添加或更改 ens.Responsetransform = @功能 |
|
受过训练的学习者，紧凑的回归模型的细胞阵列。 |
|
合奏分配给学习者的数字矢量。整体通过从学习者那里汇总加权预测来计算预测的响应。 |
复制语义
价值。要了解价值类别如何影响复制操作，请参见复制对象（MATLAB）在Matlab中®文档。
例子
减少回归合奏的大小
创建一个紧凑的回归合奏，以有效地对新数据进行预测。
加载汽车舞数据集。考虑一个解释汽车燃油经济性的模型（MPG）使用其重量（重量）和圆柱数（气缸）。
加载汽车舞x = [重量缸];y = mpg;
使用The The The The The The The The The The The The The The The Broked Anlesemblelsboost。指定气缸是一个分类变量。
mdl = fitensemble（x，y，'lsboost'，100，'树'，，，，“预测器”，{'W'，，，，'C'}，，...“分类预期”，2）
mdl = classReg.legr.Regr.RegressionEnsempledexhtermeNames：{'w''c'}响应eName：'y'分类predictors：2响应式：'none'numObservations：94 numobservations：94 numTraining：100方法：'lsboost'lsboost'learneRnames：{'tree'tree''}'}'}'}'}'}推理终止：“在完成要求的训练周期数量后通常终止。”fitinfo：[100×1 double] fitinfodescription：{2×1个单元}正则化：[]
MDL是一个回归综合包含培训数据的模型对象。
创建一个紧凑的版本MDL。
cmdl = compact（mdl）
cmdl = classReg.learning.regr.compactregressionEndembledextryErnames：{'w''c'} wendersEname：'y'分类predictictors：2响应式：'none''
cmdl是一个compactregressionEnsemble模型对象。cmdl几乎与MDL。一个例外是它不存储培训数据。
比较由MDL和cmdl。
mdlinfo = whos（'MDL'）；cmdlinfo = whos（'cmdl'）；[mdlinfo.bytes cmdlinfo.bytes]
ANS = 240350 219282
MDL消耗的空间比cmdl。
CMDL。训练存储训练有素的回归树（Compactregresiontree组合的模型对象）MDL。
在紧凑的合奏中显示第一棵树的图。
查看（cmdl.Trained {1}，'模式'，，，，'图形'）；
默认情况下，Fitensemble成长树桩，以增强树木的合奏。
使用紧凑型合奏预测典型汽车的燃油经济性。
典型X = [平均值（x（：，1））模式（x（x（：，2））];PRIPENX =预测（CMDL，典型X）
predemeanx = 27.3465
尖端
对于紧凑的回归树的合奏，训练有素财产的ens存储一个细胞向量en.CompactregressionTree模型对象。对于树的文字或图形显示t在单元向量中，输入
查看（ens.trained {t}）
也可以看看
您还可以从以下列表中选择一个网站：
美洲
- AméricaLatina（Español）
- 加拿大（英语）
- 美国（英语）
