このペジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
パッケジ:classreg.learning.regr
スパクラス:CompactRegressionEnsemble
アンサンブル回帰
RegressionEnsemble
は,学習済みの弱学習器モデルのセット,およびそれらの学習器が学習を行ったデ,タを結合します。この関数では,弱学習器からの予測を集約することにより,新しいデータに対するアンサンブル応答を予測できます。
アンサンブル回帰オブジェクトを作成するには,fitrensemble
を使用します。
|
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细胞配列を指定します。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,この细胞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 (size(X));边缘= mdl.BinEdges;查找已装箱预测器的索引。idxNumeric =找到(~ cellfun (@isempty边缘));if iscolumn(idxNumeric) idxNumeric = idxNumeric';end for j = idxNumeric x = x (:,j);如果x是表,则将x转换为数组。If istable(x) x = table2array(x);方法将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邮箱ンデックス。正の整数のベクトルを指定します。 |
|
アンサンブルが学習器の予測を結合する方法を表す文字ベクトル。 |
|
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, |
|
近似情報の数値配列。 |
|
配列 |
|
アンサンブルに含まれている弱学習器の名前をも文字ベクトルのcell配列。各学習器の名前は一度だけ現れます。たとえば,リが100本のアンサンブルの場合は, |
|
ハ。
|
|
|
|
|
|
学習デ学習デタにある観測値の数を含む数値スカラ。 |
|
アンサンブル学習済みの学習器の数,正のスカラ; |
|
予測子変数の名前のcell配列。並びは |
|
|
|
|
|
応答変数 |
|
スコア変換用の関数ハンドル,または組み込みの変換関数を表す文字ベクトル。 ドット表記を使用して関数 ens.ResponseTransform = @function |
|
学習済みの学習器,コンパクトな回帰モデルの单元配列。 |
|
アンサンブルが学習器に割り当てた重みの数値ベクトル。アンサンブルは,学習器からの重み付き予測を集約することによって,予測される応答を計算します。 |
|
スケルされた |
|
アンサンブルに学習させた予測子の値の行列または表。 |
|
アンサンブルを学習させた |
紧凑的 |
コンパクトなアンサンブル回帰の作成 |
crossval |
交差検証を使用したアンサンブル |
cvshrink |
縮小(枝刈り)アンサンブルの交差検証 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
回帰誤差 |
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 |
回帰モデルのアンサンブルの使用による応答の予測 |
predictorImportance |
回帰アンサンブルの予測子の重要度の推定 |
规范 |
再代入誤差とペナルティ項を最小限にするための重み検索 |
removeLearners |
コンパクトアンサンブル回帰のメンバの削除 |
resubLoss |
再代入による回帰誤差 |
resubPredict |
再代入によるアンサンブル応答の予測 |
重新开始 |
学習アンサンブルの再開 |
沙普利 |
シャプレ |
缩小 |
アンサンブルでの枝刈り |
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。
回帰木のアンサンブルの場合,训练有素的
プロパティにはens.NumTrained
個のCompactRegressionTree
モデルオブジェクトのcellベクトルが格納されます。请拨打ベクトルの木t
をテキストまたはグラフィックで表示するには,次のように入力します。
视图(ens.Trained {t})