Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

predict

Predecir respuestas usando conjuntos de modelos de regresión

Descripción

Yfit = predict(Mdl,X) Devuelve las respuestas previstas a los Datos predictores de la tabla o matriz, en función del modelo de conjunto de regresión.XMdl

Yfit = predict(Mdl,X,Name,Value) utiliza opciones adicionales especificadas por uno o más argumentos de par.Name,Value

Argumentos de entrada

Mdl

Conjunto de regresión creado por, o por elfitrensemble compact Método.

X

Datos de predictor utilizados para generar respuestas, especificadas como una matriz o tabla numérica.

Cada fila de corresponde a una observación, y cada columna corresponde a una variable.X

  • Para una matriz numérica:

    • Las variables que componen las columnas de deben tener el mismo orden que las variables predictoras que entrenaron.XMdl

    • Si ha entrenado usando una tabla (por ejemplo,), entonces puede ser una matriz numérica si contiene todas las variables predictoras numéricas.MdlTblXTbl Para tratar los predictores numéricos como categóricos durante el entrenamiento, identifique los predictores categóricos utilizando el argumento de par nombre-valor de.TblCategoricalPredictorsfitrensemble Si contiene variables predictoras heterogéneas (por ejemplo, tipos de datos numéricos y categóricos) y es una matriz numérica, se produce un error.TblXPredecir

  • Para una tabla:

    • no admite variables de varias columnas ni matrices de celdas que no sean matrices de celdas de vectores de caracteres.Predecir

    • Si ha entrenado utilizando una tabla (por ejemplo,), todas las variables predictoras en deben tener los mismos nombres de variables y tipos de datos que los que entrenaron (almacenados en).MdlTblXMdlMdl.PredictorNames Sin embargo, el orden de columna de no necesita corresponder al orden de columna de. y puede contener variables adicionales (variables de respuesta, pesos de observación, etc.), pero las ignora.XTblTblXPredecir

    • Si entrenó con una matriz numérica, los nombres de los predictores y los nombres de las variables predictoras correspondientes deben ser los mismos.MdlMdl.PredictorNamesX Para especificar nombres de predictores durante el entrenamiento, vea el argumento de par nombre-valor de.PredictorNamesfitrensemble Todas las variables predictoras en deben ser vectores numéricos. puede contener variables adicionales (variables de respuesta, pesos de observación, etc.), pero las ignora.XXPredecir

Argumentos de par nombre-valor

Especifique pares de argumentos separados por comas opcionales. es el nombre del argumento y es el valor correspondiente. deben aparecer dentro de las cotizaciones.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como.Name1,Value1,...,NameN,ValueN

'Learners'

Índices de estudiantes débiles en el conjunto que van desde a, donde es el número de estudiantes débiles.1NumTrainedNumTrained

Predeterminado: 1:NumTrained

'UseObsForLearner'

Una matriz lógica de tamaño por-, donde es el número de observaciones en, y es el número de estudiantes débiles.NNumTrainedNXNumTrained Cuando es, utiliza aprendiz en la predicción de la observación.UseObsForLearner(I,J)truePredecirJI

Predeterminado: true(N,NumTrained)

Argumentos de salida

Yfit

Un vector de columna numérico con el mismo número de filas que o.TBLdataXdata Cada fila de da la respuesta pronosticada a la fila correspondiente de o, en función del modelo de regresión.YfitTBLdataXdataens

Ejemplos

expandir todo

Encuentre el kilometraje pronosticado para un coche basado en un conjunto de regresión entrenado en los datos.carsmall

Cargue el conjunto de datos y seleccione el número de cilindros, el desplazamiento del motor, la potencia y el peso del vehículo como predictores.carsmall

load carsmall X = [Cylinders Displacement Horsepower Weight];

Entrenar un conjunto de árboles de regresión y predecir para un coche de cuatro cilindros, con 200 pulgadas cúbicas cilindrada, 150 caballos de fuerza, con un peso de 3000 lbs.MPG

rens = fitrensemble(X,MPG); Mileage = predict(rens,[4 200 150 3000])
Mileage = 25.6467 

Capacidades ampliadas