oobPermutedPredictorImportance
对分类树的随机森林,用袋外预测器观测值的排列估计预测器重要性
描述
返回的向量外袋,预测器重要性估计排列利用分类树的随机森林小鬼
= oobPermutedPredictorImportance (Mdl
)Mdl
.Mdl
必须是一个ClassificationBaggedEnsemble
模型对象。
输入参数
输出参数
例子
更多关于
提示
当生长一个随机森林使用fitcensemble
:
标准CART倾向于选择包含许多不同值的分裂预测器,如连续变量,而不是包含少量不同值的预测器,如类别变量[3].如果预测器数据集是异质的,或者如果预测器的不同值相对少于其他变量,那么考虑指定曲率或交互测试。
使用标准CART生长的树木对预测变量的相互作用不敏感。此外,与交互测试的应用相比,这种树不太可能在存在许多不相关预测因素的情况下识别重要变量。因此,为了解释预测器的相互作用并在存在许多不相关变量的情况下识别重要变量,指定相互作用检验[2].
如果训练数据包含许多预测因子,并且您想要分析预测因子的重要性,那么指定
“NumVariablesToSample”
的templateTree
函数作为“所有”
为树学习者的合奏。否则,软件可能没有选择一些预测因素,低估了它们的重要性。
有关更多细节,请参见templateTree
而且选择分裂预测器选择技术.
参考文献
[1]布莱曼,L., J.弗里德曼,R.奥申,C.斯通。分类与回归树.佛罗里达州博卡拉顿:CRC出版社,1984。
[2] Loh, W.Y.《无偏变量选择与交互检测回归树》。Statistica中央研究院2002年,第12卷,第361-386页。
[3]陆伟镛及施耀生。分类树的分裂选择方法。Statistica中央研究院, 1997年第7卷,第815-840页。
扩展功能
版本历史
介绍了R2016b