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

resubPredict

Predecir la respuesta del conjunto mediante el reenvío

Sintaxis

Yfit = resubPredict(ens)
Yfit = resubPredict(ens,Name,Value)

Descripción

Yfit = resubPredict(ens) Devuelve la respuesta predice para los datos. son las predicciones de los datos que se solían crear.ensens.XYfitensfitrensembleens

Yfit = resubPredict(ens,Name,Value) predice las respuestas con opciones adicionales especificadas por uno o más argumentos de par.Name,Value

Argumentos de entrada

ens

Conjunto de regresión creado con.fitrensemble

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. solo usa estos alumnos para calcular la pérdida.1NumTrainedoobLoss

Predeterminado: 1:NumTrained

Argumentos de salida

Yfit

Un vector de respuestas pronosticadas a los datos de entrenamiento, con elementos.ens.X

Ejemplos

expandir todo

Encuentre las predicciones de reenvío de kilometraje de los datos y mire su diferencia media cuadrada de los datos de entrenamiento.carsmall

Cargue el conjunto de datos y seleccione la potencia y el peso del vehículo como predictores.carsmall

load carsmall X = [Horsepower Weight];

Entrena un conjunto de árboles de regresión.

ens = fitrensemble(X,MPG,'Method','LSBoost','Learners','Tree');

Busque las predicciones de reenvío de.MPG

Yfit = resubPredict(ens);

Calcule la diferencia media cuadrada de las predicciones de reenvío de los datos de entrenamiento.

MSE = mean((Yfit - ens.Y).^2)
MSE = 0.5836 

Confirme que el resultado es el mismo que el resultado de.resubLoss

resubLoss(ens)
ans = 0.5836 

Consulte también

| |