CompactRegressionTree
包:classreg.learning.regr
紧致回归树
描述
回归树(类的)的压缩版本RegressionTree
).精简版不包括训练回归树的数据。因此,您不能使用紧凑的回归树执行某些任务,例如交叉验证。使用紧凑的回归树对新数据进行预测(回归)。
建设
从完整决策树构造紧凑决策树。ctree
=紧凑(树
)
输入参数
属性
|
分类预测指标,指定为正整数向量。 |
|
一个n-by-2单元格数组,其中 |
|
一个n中每个节点的子节点的编号 |
|
一个n中分支使用的类别的-by-2单元数组
|
|
一个n-元素向量的值用作切割点 |
|
一个n元素单元格数组,表示在每个节点上的切割类型
|
|
一个n中每个节点中用于分支的变量名称的单元格数组
|
|
一个n用于分支的每个节点的变量的数值索引数组 |
|
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 |
|
一个n-元素逻辑向量 |
|
一个n元向量 |
|
一个n的每个节点中都有平均值的element数值数组 |
|
一个n元向量 |
|
一个n-树中节点风险的element向量,其中n为节点数。每个节点的风险是由节点误差加权的节点概率。 |
|
一个n元向量 |
|
节点数量 |
|
一个n元向量 |
|
预测变量名称的单元格数组,按它们出现的顺序排列 |
|
数字向量,每个修剪级别有一个元素。如果修剪级别为0 ~米,然后 |
|
一个n的每个节点的剪枝级别 |
|
响应变量的名称 |
|
转换原始响应值(均方误差)的函数句柄。函数句柄必须接受一个响应值矩阵并返回一个相同大小的矩阵。默认的 添加或更改 ctree。ResponseTransform = @函数 |
|
一个n用于代理分割的类别的element单元格数组 |
|
一个n用于代理分割的数值切割分配的单元格数组 |
|
一个n用于代理分割的数值的单元格数组 |
|
一个n中每个节点上的代理拆分类型的单元格数组 |
|
一个n中每个节点中用于代理分割的变量名称的单元格数组 |
|
一个n-元单元阵列的关联预测措施的代理分裂在 |
对象的功能
收集 |
收集属性统计和机器学习工具箱来自GPU的对象 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
回归误差 |
nodeVariableRange |
检索决策树节点的可变范围 |
partialDependence |
计算部分依赖关系 |
plotPartialDependence |
创建部分依赖图(PDP)和个别条件期望图(ICE) |
预测 |
使用回归树预测响应 |
predictorImportance |
回归树预测因子重要性的估计 |
沙普利 |
沙普利值 |
surrogateAssociation |
回归树中代理分裂关联的平均预测度量 |
更新 |
更新用于代码生成的模型参数 |
视图 |
视图回归树 |
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
扩展功能
版本历史
在R2011a中引入