ドキュメンテーション

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。

RegressionEnsemble クラス

スーパークラス: CompactRegressionEnsemble

説明

RegressionEnsemble 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団応答を予測できます。

構築

ens = fitensemble(tbl,ResponseVarName,method,nlearn,learners) は、データに対する応答を予測する集団モデルを作成します。集団には、learners にリストされたモデルが含まれます。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。

ens = fitensemble(tbl,formula,method,nlearn,learners) は、データに対する応答を予測する集団モデルを作成します。集団には、learners にリストされたモデルが含まれます。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。

ens = fitensemble(tbl,Y,method,nlearn,learners) は、データに対する応答を予測する集団モデルを作成します。集団には、learners にリストされたモデルが含まれます。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。

ens = fitensemble(X,Y,method,nlearn,learners) は、データに対する応答を予測できる集団モデルを返します。集団には、learners にリストされたモデルが含まれます。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。

ens = fitensemble(X,Y,method,nlearn,learners,Name,Value) は、1 つまたは複数の Name,Value ペア引数で指定される追加オプションを使用して、1 つの集団モデルを返します。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

集団が学習器の予測を結合する方法を説明する文字列。

ExpandedPredictorNames

展開された予測子の名前。文字列のセル配列として格納されます。

モデルがカテゴリカル変数用のエンコーディングを使用している場合、ExpandedPredictorNames には展開された変数を表す名前が格納されます。そうでない場合、ExpandedPredictorNamesPredictorNames と同じです。

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。

LearnerNames

集団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 本の集団の場合は、LearnerNames{'Tree'} になります。

Method

集団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。

ModelParameters

ens の学習に使用されるパラメーター。

NumObservations

学習データにある観測値の数を含む数値スカラー。

NumTrained

集団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 が集団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、再代入誤差を削減し、集団を縮小します。

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。

ドット表記を使用して関数 ResponseTransform 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

集団が学習器に割り当てた重みの数値ベクトル。集団は、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。

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

集団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

集団を学習させた 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

compactコンパクトな回帰集団の作成
crossval交差検定を使用した集団
cvshrink縮小 (枝刈り) 集団の交差検定
regularize再代入誤差とペナルティー項を最小限にするための重み検索
resubLoss再代入による回帰エラー
resubPredict再代入による集団応答の予測
resume学習集団の再開
shrink集団での枝刈り

継承メソッド

loss回帰エラー
predict集団の予測応答
predictorImportance予測子の重要度の推定
removeLearnersコンパクト回帰集団のメンバーの削除

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。

すべて展開する

ionosphere データセットを読み込みます。

load ionosphere

carsmall データセットを読み込みます。重量 (Weight) と気筒数 (Cylinders) を使用して自動車の燃費 (MPG) を説明するモデルを考えます。

load carsmall
X = [Weight Cylinders];
Y = MPG;

LSBoost を使用して、100 本の回帰木があるブースティングされた集団に学習をさせます。Cylinders がカテゴリカル変数であることを指定します。

Mdl = fitensemble(X,Y,'LSBoost',100,'Tree','PredictorNames',{'W','C'},...
    'CategoricalPredictors',2)
Mdl = 

  classreg.learning.regr.RegressionEnsemble
           PredictorNames: {'W'  'C'}
             ResponseName: 'Y'
    CategoricalPredictors: 2
        ResponseTransform: 'none'
          NumObservations: 94
               NumTrained: 100
                   Method: 'LSBoost'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the reque...'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}
           Regularization: []


Mdl は、学習データも含まれている RegressionEnsemble モデル オブジェクトです。

Mdl.Trained は、集団を構成する学習済みの回帰木 (CompactRegressionTree モデル オブジェクト) の 100 行 1 列のセル ベクトルが格納されているプロパティです。

1 番目の学習済み回帰木のグラフをプロットします。

view(Mdl.Trained{1},'Mode','graph')

既定の設定では、fitensemble はブースティングされた木の集団について切り株を成長させます。

気筒数が 4、6、8 である 4,000 ポンドの自動車の燃費を予測します。

XNew = [4000*ones(3,1) [4; 6; 8]];
mpgNew = predict(Mdl,XNew)
mpgNew =

   19.3228
   16.4509
   14.5549

ヒント

回帰木の集団の場合、Trained プロパティには ens.NumTrained 個の CompactRegressionTree モデル オブジェクトのセル ベクトルが格納されます。セル ベクトルの木 t をテキストまたはグラフィックで表示するには、次のように入力します。

view(ens.Trained{t})

この情報は役に立ちましたか?