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。

アンサンブル回帰に学習をさせる

この例では、アンサンブル回帰を作成し、carsmall のデータで学習させ、馬力と重量に基づいて自動車の燃費効率を予測する方法を示します。

carsmall データセットを読み込みます。

load carsmall

予測子データを準備します。

X = [Horsepower Weight];

応答データは MPG です。ブースティングされたアンサンブル回帰タイプとして使用できるのは LSBoost だけです。この例では、100 個のツリーから構成されるアンサンブルを任意に選択し、既定のツリー オプションを使用します。

回帰木のアンサンブルに学習をさせます。

Mdl = fitrensemble(X,MPG,'Method','LSBoost','NumLearningCycles',100)
Mdl = 
  classreg.learning.regr.RegressionEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
        ResponseTransform: 'none'
          NumObservations: 94
               NumTrained: 100
                   Method: 'LSBoost'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}
           Regularization: []


  Properties, Methods

アンサンブル内の 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');

既定では、fitrensemble は LSBoost について浅い木を成長させます。

150 馬力で重量が 2750 ポンドの自動車について燃費効率を予測します。

mileage = predict(Mdl,[150 2750])
mileage = 23.6713

参考

|

関連するトピック