回归树集合
随机森林,增强和袋装回归树
应用程序
回归的学习者 | 使用监督机器学习训练回归模型来预测数据 |
块
RegressionEnsemble预测 | 使用决策树集合预测回归响应 |
功能
类
主题
- 整体算法
了解集成学习的不同算法。
- 集成学习框架
通过使用许多弱学习器获得高度准确的预测。
- 列车回归集合
训练一个简单的回归集合。
- 测试集成质量
学习评估集成的预测质量的方法。
- 选择随机森林的预测器
利用交互测试算法选择随机森林的分裂预测因子。
- 合奏正规化
在不降低预测性能的情况下,自动为集成选择更少的弱学习器。
- 使用TreeBagger的回归树的Bootstrap聚合(Bagging)
创建一个
TreeBagger
回归集成。 - 在回归TreeBagger工作流中使用并行处理
通过运行来加快计算速度
TreeBagger
并行执行。 - 使用分位数回归检测异常值
使用分位数随机森林检测数据中的异常值。
- 使用核平滑的条件分位数估计
使用分位数随机森林和使用核平滑估计响应的条件分布函数来估计给定预测数据的响应的条件分位数。
- 使用分位数误差和贝叶斯优化调整随机森林
使用贝叶斯优化调优分位数随机森林。
- 使用RegressionEnsemble预测块预测响应
训练一个具有最优超参数的回归集成模型,然后使用RegressionEnsemble预测块用于响应预测。
- 使用增强回归树集合的时间序列预测
使用增强回归树集合执行单步和多步时间序列预测。