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。

アンサンブル分類に学習をさせる

この例では、ionosphere データセットについて分類木アンサンブルを作成し、このアンサンブルを使用して平均的な測定値をもつレーダー反射の分類を予測する方法を示します。

ionosphere データセットを読み込みます。

load ionosphere

アンサンブル分類に学習をさせます。バイナリ分類問題の場合、fitcensemble は LogitBoost を使用して 100 本の分類木を集約します。

Mdl = fitcensemble(X,Y)
Mdl = 
  classreg.learning.classif.ClassificationEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
               NumTrained: 100
                   Method: 'LogitBoost'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}


  Properties, Methods

MdlClassificationEnsemble モデルです。

アンサンブル内の 1 番目の学習済み分類木のグラフをプロットします。

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

既定の設定では、fitcensemble はブースティング アルゴリズムの場合に浅い木を成長させます。木の深さは、木テンプレート オブジェクトを fitcensemble に渡すことにより変更できます。詳細は、templateTreeを参照してください。

平均的な予測子の測定値によりレーダー反射の品質を予測します。

label = predict(Mdl,mean(X))
label = 1x1 cell array
    {'g'}

参考

|

関連するトピック