预测

使用回归树预测响应

在页面中全部展开

语法

X Yfit =预测(Mdl)

Yfit =预测(Mdl X、名称、值)

(Yfit、节点)=预测(___）

描述

Yfit=预测(Mdl，X）返回表或矩阵中预测器数据的预测响应向量X，基于完整或紧凑回归树Mdl。

Yfit=预测(Mdl，X，名称,值）使用一个或多个指定的附加选项预测响应值名称,值对参数。例如，您可以指定修剪Mdl到一个特定的水平，然后预测反应。

(Yfit，节点) =预测(___）还使用前面语法中的任何输入参数，返回响应的预测节点号的向量。

输入参数

全部展开

`Mdl`- - - - - -训练有素的回归树
`RegressionTree`模型对象|`CompactRegressionTree`模型对象

训练过的分类树，指定为RegressionTree或CompactRegressionTree模型对象。也就是说,Mdl是否返回经过训练的分类模型fitrtree或紧凑的。

`X`- - - - - -预测数据需分类
数字矩阵|表格

要分类的预测数据，指定为数字矩阵或表格。

每一行的X对应一个观察结果，每一列对应一个变量。

对于数字矩阵:
- 组成列的变量X必须与训练的预测变量的顺序相同Mdl。
- 如果你训练Mdl使用一个表(例如，资源描述),然后X可以是一个数值矩阵如果资源描述包含所有数字预测变量。处理数字预测资源描述作为训练期间的类别，识别类别预测器使用CategoricalPredictors的名值对参数fitrtree。如果资源描述包含异构预测器变量(例如，数值和类别数据类型)和X是一个数字矩阵吗预测抛出一个错误。
一个表:
- 预测除了字符向量的单元格数组外，不支持多列变量或单元格数组。
- 如果你训练Mdl使用一个表(例如，资源描述)，则所有预测变量均为X必须具有与受训对象相同的变量名和数据类型Mdl(存储在Mdl。PredictorNames)．的列顺序X是否需要对应列的顺序资源描述。资源描述和X可以包含额外的变量(响应变量、观察权重等)，但是预测忽略了它们。
- 如果你训练Mdl使用一个数字矩阵，然后预测器名称在Mdl。PredictorNames和对应的预测变量名X一定是一样的。若要在训练期间指定预测器名称，请参阅PredictorNames的名值对参数fitrtree。的所有预测变量X必须是数字向量。X可以包含额外的变量(响应变量、观察权重等)，但是预测忽略了它们。

数据类型:表格|双|单

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

`子树`- - - - - -修剪水平
0(默认)|非负整数的向量|`“所有”`

修剪级别，指定为逗号分隔的对，由“子树”和一个由非负整数按升序或“所有”。

如果指定了一个向量，那么所有元素必须是至少的0在大多数马克斯(Mdl.PruneList)。0指示未修剪的完整树和马克斯(Mdl.PruneList)表示完全修剪的树(即仅根节点)。

如果您指定“所有”,然后预测操作所有子树(即整个修剪序列)。这个规范相当于使用0:马克斯(Mdl.PruneList)。

预测李子Mdl中所示的每一级子树，然后估计相应的输出参数。的大小子树确定一些输出参数的大小。

调用子树,属性PruneList和PruneAlpha的Mdl必须非空的。换句话说，就是成长Mdl通过设置“删除”,“上”，或通过修剪Mdl使用修剪。

例子:“子树”,“所有”

数据类型:单|双|字符|字符串

输出参数

全部展开

`Yfit`-预测响应值
数字列向量

预测的响应值，作为具有相同行数的数值列向量返回X。每一行的Yfit的对应行给出预测的响应X，基于Mdl。

`节点`——节点数量
数值向量

预测的节点号，指定为数值向量。中的每个条目对应于预测的叶节点Mdl对应的行X。

例子

全部展开

使用回归树预测响应

打开生活的脚本

加载carsmall数据集。考虑位移，马力,重量作为反应的预测因子英里/加仑。

负载carsmallX =[排量马力重量];

使用整个数据集生长一个回归树。

Mdl = fitrtree (X, MPG);

预测一辆200立方英寸发动机排量，150马力，重3000磅的汽车的MPG。

X0 = [200 150 3000];X0 MPG0 =预测(Mdl)

MPG0 = 21.9375

回归树预测汽车的效率为21.94英里/加仑。

选择功能

仿真软件块

将回归树模型的预测集成到Simulink中^®，你可以使用RegressionTree预测在统计和机器学习工具箱™库或MATLAB中^®函数块中包含预测函数。有关示例,请参见使用回归树预测块预测响应和用MATLAB函数块预测类标签。

在决定使用哪种方法时，请考虑以下几点:

如果使用“统计和机器学习工具箱”库块，则可以使用定点的工具(定点设计师)将浮点模型转换为定点模型。
控件必须为MATLAB函数块启用对可变大小数组的支持预测函数。
如果使用MATLAB函数块，则可以使用MATLAB函数在同一个MATLAB函数块中进行预测前后的预处理或后处理。

扩展功能

高大的数组
使用行数超过内存容量的数组进行计算。

这个函数完全支持高数组。通过这个函数，您可以使用针对内存中数据或高数据训练的模型。

有关更多信息，请参见高大的数组。

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用注意事项和限制:

您可以为两者生成C/ c++代码预测和更新通过使用编码器配置器。或者，仅生成用于的代码预测通过使用saveLearnerForCoder，loadLearnerForCoder,codegen。
- 代码生成的预测和更新-创建一个编码器配置器使用learnerCoderConfigurer然后通过使用生成代码generateCode。然后您可以在生成的代码中更新模型参数，而不必重新生成代码。
- 代码生成的预测-通过使用保存训练过的模型saveLearnerForCoder。定义一个入口点函数，用于加载保存的模型loadLearnerForCoder并调用预测函数。然后使用codegen(MATLAB编码器)为入口点函数生成代码。

生成单精度的C/ c++代码预测，指定名称-值参数“数据类型”、“单身”当你打电话给loadLearnerForCoder函数。
还可以为。生成定点C/ c++代码预测。定点代码生成需要一个额外的步骤，该步骤定义预测所需变量的定点数据类型。方法创建定点数据类型结构数据类型的函数生成的generateLearnerDataTypeFcn，并使用该结构作为的输入参数loadLearnerForCoder在一个入口点函数中。生成定点C/ c++代码需要MATLAB编码器™和定点设计师™。

该表包含关于的参数的注释预测。该表中未包含的参数完全支持。

论点	笔记和局限性
`Mdl`	有关模型对象的使用说明和限制，请参见代码生成的`CompactRegressionTree`对象。
`X`	对于一般代码生成，`X`必须是单精度或双精度矩阵，或包含数值变量、类别变量或两者都包含的表。在编码器配置工作流程中，`X`必须是单精度或双精度矩阵。对于定点代码生成，`X`必须是一个不动点矩阵。中的行数或观察数`X`可以是可变大小的，但列数在`X`必须是固定的。如果你想指定`X`作为一个表，那么你的模型必须使用一个表来训练，你的预测入口点函数必须做以下工作: 接受数据作为数组。从数据输入参数创建一个表，并在表中指定变量名。把桌子递给`预测`。有关此表工作流的示例，请参见生成代码对表格中的数据进行分类。有关在代码生成中使用表的更多信息，请参见表的代码生成(MATLAB编码器)和表代码生成的限制(MATLAB编码器)。
`子树`	名称-值参数中的名称必须是编译时常量。例如，要在生成的代码中允许用户定义的修剪级别，包括`{coder.Constant(子树),coder.typeof (0, (1, n), [0,1])}`在`arg游戏`的价值`codegen`(MATLAB编码器),在那里`n`是`马克斯(Mdl.PruneList)`。的`“子树”`在编码器配置程序工作流中不支持名值对参数。对于定点代码生成，可以使用`“子树”`值必须是`coder.Constant(所有的)`或者使用整数数据类型。

有关更多信息，请参见代码生成简介。

GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。

使用注意事项和限制:

的预测函数不支持用代理拆分训练的决策树模型。

有关更多信息，请参见在图形处理器上运行MATLAB函数(并行计算工具箱)。

版本历史

介绍了R2011a

另请参阅

CompactRegressionTree|RegressionTree|fitrtree|紧凑的|损失

预测

语法

描述

输入参数

Mdl- - - - - -训练有素的回归树RegressionTree模型对象|CompactRegressionTree模型对象

X- - - - - -预测数据需分类数字矩阵|表格

名称-值参数

子树- - - - - -修剪水平0(默认)|非负整数的向量|“所有”

输出参数

Yfit-预测响应值数字列向量

节点——节点数量数值向量

例子

使用回归树预测响应

选择功能

仿真软件块

扩展功能

高大的数组使用行数超过内存容量的数组进行计算。

C / c++代码生成使用MATLAB®Coder™生成C和c++代码。

GPU数组通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。

版本历史

另请参阅

主题

`Mdl`- - - - - -训练有素的回归树
`RegressionTree`模型对象|`CompactRegressionTree`模型对象

`X`- - - - - -预测数据需分类
数字矩阵|表格

`子树`- - - - - -修剪水平
0(默认)|非负整数的向量|`“所有”`

`Yfit`-预测响应值
数字列向量

`节点`——节点数量
数值向量

高大的数组
使用行数超过内存容量的数组进行计算。

C / c++代码生成
使用MATLAB®Coder™生成C和c++代码。

GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。