Main Content

アンサンブル回帰木

ランダム フォレスト、ブースティングおよびバギング回帰木

アンサンブル回帰木は、重みを付けた複数の回帰木の組み合わせから構成される予測モデルです。一般に、複数の回帰木を組み合わせると予測の性能が向上します。LSBoost を使用して回帰木をブースティングするには、fitrensemble を使用します。回帰木のバギングまたはランダム フォレスト [12] の成長を行うには、fitrensemble または TreeBagger を使用します。回帰の bag of trees を使用して分位点回帰を実装するには、TreeBagger を使用します。

ブースティングまたはバギング分類木などのアンサンブル分類、ランダム部分空間アンサンブル、またはマルチクラスを分類するための誤り訂正出力符号 (ECOC) モデルについては、アンサンブル分類を参照してください。

アプリ

回帰学習器教師あり機械学習を使用して、データを予測するように回帰モデルに学習をさせる

ブロック

RegressionEnsemble Predict回帰用の決定木のアンサンブルを使用した応答の予測 (R2021a 以降)

関数

すべて展開する

アンサンブル回帰の作成

fitrensemble回帰のアンサンブル学習器の当てはめ
compactアンサンブル回帰モデルのサイズの縮小
fitensemble分類および回帰のアンサンブル学習器の当てはめ

アンサンブル回帰の変更

regularizeアンサンブル回帰モデルの学習器の最適な重みの特定
removeLearnersコンパクト アンサンブル回帰のメンバーの削除
resumeアンサンブル回帰モデルの学習の再開
shrinkアンサンブル回帰の枝刈り

アンサンブル回帰の交差検証

cvshrink縮小 (枝刈り) アンサンブルの交差検証
kfoldLoss交差検証された分割済みの回帰モデルの損失
kfoldPredict交差検証済み回帰モデル内の観測値に対する応答の予測
kfoldfun回帰での関数の交差検証

パフォーマンスの測定

lossアンサンブル回帰モデルの回帰誤差
resubLossアンサンブル回帰モデルの再代入損失

観測値の分類

predict回帰モデルのアンサンブルの使用による応答の予測
resubPredict再代入によるアンサンブル回帰の応答の予測

アンサンブル回帰のプロパティの収集

gatherGPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集 (R2020b 以降)
fitrensemble回帰のアンサンブル学習器の当てはめ
TreeBaggerバギングされた決定木のアンサンブル
predictバギングされた決定木のアンサンブルの使用による応答の予測
oobPredictout-of-bag 観測に対するアンサンブル予測
quantilePredict回帰の bag of trees の使用による応答の分位数の予測
oobQuantilePredict回帰の bag of trees による out-of-bag 観測値の分位数予測
crossvalアンサンブル回帰モデルの交差検証
limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
partialDependence部分依存の計算 (R2020b 以降)
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
predictorImportance決定木の回帰アンサンブルに関する予測子の重要度の推定
shapleyシャープレイ値 (R2021a 以降)

クラス

すべて展開する

RegressionEnsembleアンサンブル回帰
CompactRegressionEnsembleコンパクトなアンサンブル回帰のクラス
RegressionPartitionedEnsemble交差検証したアンサンブル回帰
TreeBaggerバギングされた決定木のアンサンブル
CompactTreeBaggerバギンされた決定木のコンパクトなアンサンブル
RegressionBaggedEnsembleリサンプリングにより成長したアンサンブル回帰

トピック