Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Ensembles de árboles de regresión

Bosques aleatorios, árboles de regresión potenciados y empaquetados

Un ensemble de árboles de regresión es un modelo predictivo compuesto por una combinación ponderada de varios árboles de regresión. En general, la combinación de varios árboles de regresión aumenta la capacidad predictiva. Para potenciar árboles de regresión mediante LSBoost, utilice fitrensemble. Para empaquetar árboles de regresión o aumentar un bosque aleatorio [12], utilice fitrensemble o TreeBagger. Para implementar una regresión por cuantiles mediante un empaquetado de árboles de regresión, utilice TreeBagger.

En cuanto a los ensembles de clasificación, como árboles de clasificación potenciados o empaquetados, ensembles de subespacios aleatorios o modelos de códigos de salida de corrección de errores (ECOC, por sus siglas en inglés) para clasificación multiclase, consulte Ensembles de clasificación.

Apps

Regression LearnerTrain regression models to predict data using supervised machine learning

Bloques

RegressionEnsemble PredictPredict responses using ensemble of decision trees for regression

Funciones

expandir todo

Crear un ensemble de regresión

fitrensembleFit ensemble of learners for regression
compactCreate compact regression ensemble
fitensembleFit ensemble of learners for classification and regression

Modificar un ensemble de regresión

regularizeFind weights to minimize resubstitution error plus penalty term
removeLearnersRemove members of compact regression ensemble
resumeResume training ensemble
shrinkPrune ensemble

Realizar una validación cruzada de un ensemble de regresión

cvshrinkCross-validate shrinking (pruning) ensemble
kfoldLossLoss for cross-validated partitioned regression model
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldfunCross-validate function for regression

Medir el rendimiento

lossRegression error
resubLossRegression error by resubstitution

Clasificar observaciones

predictPredict responses using ensemble of regression models
resubPredictPredict response of ensemble by resubstitution

Recopilar propiedades de un ensemble de regresión

gatherGather properties of Statistics and Machine Learning Toolbox object from GPU
TreeBagger
fitrensembleFit ensemble of learners for regression
predictPredict responses using ensemble of bagged decision trees
oobPredictEnsemble predictions for out-of-bag observations
quantilePredictPredict response quantile using bag of regression trees
oobQuantilePredictQuantile predictions for out-of-bag observations from bag of regression trees
crossvalCross validate ensemble
limeLocal interpretable model-agnostic explanations (LIME)
partialDependenceCompute partial dependence
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
predictorImportanceEstimates of predictor importance for regression ensemble
shapleyShapley values

Clases

expandir todo

RegressionEnsembleEnsemble regression
CompactRegressionEnsembleCompact regression ensemble class
RegressionPartitionedEnsembleCross-validated regression ensemble
TreeBaggerEnsemble of bagged decision trees
CompactTreeBaggerCompact ensemble of bagged decision trees
RegressionBaggedEnsembleRegression ensemble grown by resampling

Temas