Main Content

predict

回帰木の使用による応答の予測

このページをすべて展開する

構文

Yfit = predict(Mdl,X)
Yfit = predict(Mdl,X,Name,Value)
[Yfit,node] = predict(___)

説明

Yfit = predict(Mdl,X) は、完全またはコンパクトな回帰木 Mdl に基づいて、テーブルまたは行列 X 内の予測子データに対する予測応答のベクトルを返します。

Yfit = predict(Mdl,X,Name,Value) は、1 つ以上の Name,Value ペア引数で指定された追加オプションを使用して、応答値を予測します。たとえば、Mdlを特定のレベルまで枝刈りした後に応答を予測するように指定できます。

[Yfit,node] = predict(___) は、前の構文の入力引数のいずれかを使用して、応答の予測ノード番号のベクトルも返します。

入力引数

すべて展開する

学習済みの分類木。RegressionTree または CompactRegressionTree モデル オブジェクトとして指定します。つまり、Mdl は fitrtree または compact が返す学習済み分類モデルです。

分類対象の予測子データ。数値行列またはテーブルを指定します。

X の各行は 1 つの観測値に対応し、各列は 1 つの変数に対応します。

  • 数値行列の場合

    • X の列を構成する変数の順序は、Mdl に学習させた予測子変数の順序と同じでなければなりません。

    • テーブル (たとえば Tbl) を使用して Mdl に学習をさせた場合、Tbl に含まれている予測子変数がすべて数値変数であれば、X を数値行列にすることができます。学習時に Tbl 内の数値予測子をカテゴリカルとして扱うには、fitrtree の名前と値のペアの引数 CategoricalPredictors を使用してカテゴリカル予測子を同定します。Tbl に種類の異なる予測子変数 (数値および categorical データ型など) が混在し、X が数値行列である場合、predict でエラーがスローされます。

  • テーブルの場合

    • predict は、文字ベクトルの cell 配列ではない cell 配列や複数列の変数をサポートしません。

    • テーブル (たとえば Tbl) を使用して Mdl に学習をさせた場合、X 内のすべての予測子変数は変数名およびデータ型が、Mdl に学習させた (Mdl.PredictorNames に格納されている) 変数と同じでなければなりません。ただし、X の列の順序が Tbl の列の順序に対応する必要はありません。Tbl と X に追加の変数 (応答変数や観測値の重みなど) を含めることができますが、predict はこれらを無視します。

    • 数値行列を使用して Mdl に学習をさせた場合、Mdl.PredictorNames 内の予測子名と X 内の対応する予測子変数名が同じでなければなりません。学習時に予測子の名前を指定する方法については、fitrtree の名前と値のペアの引数 PredictorNames を参照してください。X 内の予測子変数はすべて数値ベクトルでなければなりません。X に追加の変数 (応答変数や観測値の重みなど) を含めることができますが、predict はこれらを無視します。

データ型: table | double | single

名前と値の引数

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで Name は引数名、Value は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。

R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name を引用符で囲みます。

枝刈りレベル。'Subtrees' と昇順の非負の整数のベクトルまたは 'all' から構成されるコンマ区切りのペアとして指定します。

ベクトルを指定する場合、すべての要素が 0 から max(Mdl.PruneList) の範囲になければなりません。0 は枝刈りしない完全な木を、max(Mdl.PruneList) は完全に枝刈りした木 (つまり、ルート ノードのみ) を表します。

'all' を指定した場合、predict はすべての部分木 (枝刈り順序全体) に作用します。これは、0:max(Mdl.PruneList) を指定することと同じです。

predict では、Subtrees で指定された各レベルまで Mdl の枝刈りを行ってから、対応する出力引数を推定します。Subtrees のサイズにより、一部の出力引数のサイズが決まります。

Subtrees を呼び出すために、Mdl の PruneList プロパティまたは PruneAlpha プロパティを空にすることはできません。言い換えると、'Prune','on' を設定して Mdl を成長させるか、prune を使用して Mdl の枝刈りを行います。

例: 'Subtrees','all'

データ型: single | double | char | string

出力引数

すべて展開する

予測応答値。X と同じ行数の数値列ベクトルとして返されます。Yfit の各行は、X の対応する行に対して Mdl に基づいて予測した応答を与えます。

予測子のノード番号。数値ベクトルとして指定します。各エントリは、X の対応する行で Mdl 内の予測されるノードに対応します。

例

すべて展開する

ライブ スクリプトを開く

carsmall データセットを読み込みます。Displacement、Horsepower および Weight が応答 MPG の予測子であると考えます。

load carsmall
X = [Displacement Horsepower Weight];

データセット全体を使用して回帰木を成長させます。

Mdl = fitrtree(X,MPG);

排気量 200 立方インチ、150 馬力、重量 3,000 ポンド の自動車について MPG を予測します。

X0 = [200 150 3000];
MPG0 = predict(Mdl,X0)
MPG0 = 21.9375

回帰木では、この自動車の効率が 21.94 mpg であると予測されました。

代替機能

Simulink ブロック

Simulink® に回帰木モデルの予測を統合するには、Statistics and Machine Learning Toolbox™ ライブラリにある RegressionTree Predict ブロックを使用するか、MATLAB® Function ブロックを関数 predict と共に使用します。例については、RegressionTree Predict ブロックの使用による応答の予測とMATLAB Function ブロックの使用によるクラス ラベルの予測を参照してください。

使用するアプローチを判断する際は、以下を考慮してください。

  • Statistics and Machine Learning Toolbox ライブラリ ブロックを使用する場合、固定小数点ツール (Fixed-Point Designer)を使用して浮動小数点モデルを固定小数点に変換できます。

  • MATLAB Function ブロックを関数 predict と共に使用する場合は、可変サイズの配列に対するサポートを有効にしなければなりません。

  • MATLAB Function ブロックを使用する場合、予測の前処理や後処理のために、同じ MATLAB Function ブロック内で MATLAB 関数を使用することができます。

拡張機能

バージョン履歴

R2011a で導入

参考

| | | |

トピック