CompactClassificationEnsemble
包:classreg.learning.classif
紧凑分类集成类
描述
分类集合的精简版本ClassificationEnsemble
).精简版本不包括训练分类集合的数据。因此,您不能使用紧凑的分类集成执行某些任务,例如交叉验证。使用紧凑的分类集合对新数据进行预测(分类)。
建设
由一个完整的决策集合构造一个紧凑的决策集合。实体
=紧凑(fullEns
)
输入参数
|
由。创建的分类集合 |
属性
|
分类预测指标,指定为正整数的向量。 |
|
中的元素列表 |
|
描述如何 |
|
方阵, |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型对分类变量使用编码,则 |
|
受过训练的弱学习者的数量 |
|
预测变量名称的单元格数组,按它们出现的顺序排列 |
|
每种类别的先验概率的数字向量。元素的顺序 |
|
带有响应变量名称的字符向量 |
|
转换分数的函数句柄,或表示内置转换函数的字符向量。 添加或更改 ens.ScoreTransform = '函数' 或 ens.ScoreTransform = @函数 |
|
训练分类模型的细胞向量。
|
|
弱学习者训练权值的数值向量 |
|
大小逻辑矩阵 如果合奏不符合类型 |
对象的功能
compareHoldout |
使用新数据比较两种分类模型的准确性 |
边缘 |
分类的优势 |
收集 |
收集的属性统计和机器学习工具箱对象从GPU |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
分类错误 |
保证金 |
分类的利润率 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建偏依赖图(PDP)和个体条件期望图(ICE) |
预测 |
使用分类模型的集合对观测数据进行分类 |
predictorImportance |
决策树分类集合中预测因子重要性的估计 |
removeLearners |
删除紧凑分类集合的成员 |
沙普利 |
沙普利值 |
复制语义
价值。要了解值类如何影响复制操作,请参见复制对象.
例子
提示
对于分类树的集合,训练有素的
的属性实体
存储一个ens.NumTrained
-by-1的紧凑分类模型单元向量。用于树的文本或图形显示t
在单元格向量中,输入:
视图(实体。训练有素的{
对于使用LogitBoost或绅士boost聚合的集合。t
} .CompactRegressionLearner)视图(实体。训练有素的{
对于所有其他聚合方法。t
})