ドキュメンテーション センター

  • 評価版
  • 製品アップデート

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

RegressionBaggedEnsemble クラス

スーパークラス: RegressionEnsemble

再標本化により成長した回帰集合

説明

RegressionBaggedEnsemble は、学習済みの弱学習器モデルのセット、およびそれらの学習器が学習を行ったデータを結合します。この関数では、弱学習器からの予測を集約することにより、新しいデータに対する集合応答を予測できます。

構築

ens = fitensemble(X,Y,'bag',nlearn,learners,'type','regression') は、バギングされた回帰集合を作成します。構文に関する詳細は、関数 fitensemble のリファレンス ページを参照してください。

プロパティ

CategoricalPredictors

カテゴリカル予測子のリスト。CategoricalPredictors は、1 から p までのインデックスを使用する数値ベクトルです。ここで、p は、X の列数を示します。

CombineWeights

集合が学習器の予測を結合する方法を説明する文字列。

FitInfo

近似情報の数値配列。FitInfoDescription プロパティは、この配列の内容を記述します。

FitInfoDescription

FitInfo 配列の意味を記述する文字列。

FResample

0 から 1 までの数値のスカラー。FResample は、集合を構築するときに、すべての弱学習器のために無作為に再標本化された学習データ fitensemble です。

LearnerNames

集合に含まれる弱学習器の名前をもつ、文字列のセル配列。各学習器の名前は一度だけ現れます。たとえば、ツリーが 100 本の集合の場合は、LearnerNames{'Tree'} になります。

Method

集合の学習に使用される、アルゴリズム関数 fitensemble の名前をもつ文字列。

ModelParams

ens の学習に使用されるパラメーター。

NObservations

学習データにある観測値の数を含む数値スカラー。

NTrained

集合の学習済みの学習器の数、正のスカラー。

PredictorNames

X に現れる順序で配列される、予測子変数の名前のセル配列

ReasonForTermination

fitensemble が集合への弱学習器の追加を停止した理由を記述する文字列。

Regularization

regularize メソッドの結果を含む構造体。Regularization とともに shrink を使用して、誤判別率を削減し、集合を縮小します。

Replace

この集合内の弱学習器の学習データが再配置して標本化されたかを示す、論理フラグ。Replace は、再配置による標本化の場合は true、そうでない場合は false となります。

ResponseName

応答変数 Y の名前をもつ文字列。

ResponseTransform

スコアの変換を処理する関数、または組み込みの変換関数を表す文字列。'none' は変換なしを意味します。等価的には、'none'@(x)x です。

ドット アドレス指定によって ResponseTransform 関数を追加または変更します。

ens.ResponseTransform = @function

Trained

学習済みの学習器、コンパクトな回帰モデルのセル配列。

TrainedWeights

集合が学習器に割り当てた重みの数値ベクトル。集合は、学習器からの重み付き予測を集約することによって、予測される応答を計算します。

UseObsForLearner

NNTrained 列のサイズの論理行列。ここで N は、学習データ X 内の行数 (観測数)、NTrained は、学習された弱学習器の数です。UseObsForLearner(I,J) は、学習器 J の学習で観測 I が使用された場合には true、使用されなかった場合には false となります。

W

スケールされた weights、長さ n のベクトル、X の行の数。W の要素の合計は 1 です。

X

集合の学習に使用された予測子値の行列。X の各列が 1 つの変数を表し、各行が 1 つの観測値を表します。

Y

集合を学習した X と同じ行数をもつ、数値列ベクトル。Y の各エントリは X の対応する行に対する応答です。

メソッド

oobLossout-of-bag 回帰エラー
oobPredict集合の out-of-bag 応答を予測する

継承メソッド

compactコンパクトな回帰集合の作成
crossval交差検定を使用した集合
cvshrink縮小 (枝刈り) 集合の交差検定
regularize誤判別率とペナルティー項を最小限にするための重み検索
resubLoss再置換による回帰エラー
resubPredict再置換による集合応答の予測
resume学習集合の再開
shrink集合での枝刈り
loss回帰エラー
predict集合の予測応答
predictorImportance予測子の重要度の推定
removeLearnersコンパクト回帰集合のメンバーの削除

コピーのセマンティクス

値。コピー操作に対する値クラスの影響については、MATLAB® のドキュメンテーションの「オブジェクトのコピー」を参照してください。

バギングされた回帰集合を作成し、エンジン排気量、馬力、および重量に基づいて carsmall データセット内の車の燃費を予測します。

load carsmall
X = [Displacement Horsepower Weight];
ens = fitensemble(X,MPG,'bag',100,'Tree',...
    'type','regression')

ens = 

classreg.learning.regr.RegressionBaggedEnsemble:
           PredictorNames: {'x1'  'x2'  'x3'}
    CategoricalPredictors: []
             ResponseName: 'Y'
        ResponseTransform: 'none'
            NObservations: 94
                 NTrained: 100
                   Method: 'Bag'
             LearnerNames: {'Tree'}
     ReasonForTermination: [1x77 char]
                  FitInfo: []
       FitInfoDescription: 'None'
           Regularization: []
                FResample: 1
                  Replace: 1
         UseObsForLearner: [94x100 logical]

最初の 10 台の車で平均燃費の特性をもつ、車の燃費を予測します。

car10 = mean(X(1:10,:));
predict(ens,car10)

ans =
   14.6569

参考

|

この情報は役に立ちましたか?