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

shrink

El conjunto de Prune

Sintaxis

cmp = shrink(ens)
cmp = shrink(ens,Name,Value)

Descripción

cmp = shrink(ens) Devuelve una versión compacta y encogida de un conjunto regularizado. solo retiene a los alumnos con pesos por encima de un umbral.enscmp

cmp = shrink(ens,Name,Value) Devuelve un conjunto con opciones adicionales especificadas por uno o más argumentos de par.Name,Value Puede especificar varios argumentos de par nombre-valor en cualquier orden como.Name1,Value1,…,NameN,ValueN

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

'lambda'

Vector de valores de parámetro de regularización no negativo para lazo. Si no está vacío (rellenarlo conens.Regularization regularize), regulariza el uso.shrinkenslambda Si contiene una estructura, no se puede pasar.ensRegularizaciónlambda

Predeterminado: []

'threshold'

Límite inferior en pesos para los alumnos débiles, un escalar numérico no negativo. crea a partir de los alumnos con pesos arriba.shrinkcmpthreshold

Predeterminado: 0

'weightcolumn'

Índice de columna de, un entero positivo. crea con pesos de aprendizaje de esta columna.ens.Regularization.TrainedWeightsshrinkcmp

Predeterminado: 1

Argumentos de salida

cmp

Un conjunto de regresión de clase.CompactRegressionEnsemble Se utiliza para realizar predicciones exactamente como se utiliza, con elcmpens predict Método.

ordena a los miembros de mayor a menor.shrinkcmp

Ejemplos

expandir todo

Encoja un conjunto de regresión en bolsas de 300 miembros y vea el número de miembros del conjunto resultante.

Genere datos de ejemplo.

X = rand(2000,20); Y = repmat(-1,2000,1); Y(sum(X(:,1:5),2)>2.5) = 1;

Reduzca un conjunto de regresión en bolsas de 300 miembros utilizando para el parámetro.0.1lambda

bag = fitrensemble(X,Y,'Method','Bag','NumLearningCycles',300); cmp = shrink(bag,'lambda',0.1);

Ver el número de miembros del conjunto resultante.

cmp.NumTrained
ans = 76