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.

Entrenar un ensemble de regresión

En este ejemplo se muestra cómo crear un ensemble de regresión para predecir el consumo de vehículos en función de su potencia y peso, entrenado en los datos carsmall.

Cargue el conjunto de datos carsmall.

load carsmall

Prepare los datos predictores.

X = [Horsepower Weight];

Los datos de respuesta son MPG. El único tipo de ensemble de regresión potenciado disponible es LSBoost. Para este ejemplo, elija de forma arbitraria un ensemble de 100 árboles y use las opciones de árbol predeterminadas.

Entrene un ensemble de árboles de regresión.

Mdl = fitrensemble(X,MPG,'Method','LSBoost','NumLearningCycles',100)

Mdl = 
  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: []

Represente una gráfica del primer árbol de regresión entrenado en el ensemble.

view(Mdl.Trained{1},'Mode','graph');

De manera predeterminada, fitrensemble desarrolla árboles poco profundos para LSBoost.

Prediga el consumo de un vehículo de 150 caballos que pesa 2750 libras.

mileage = predict(Mdl,[150 2750])

mileage = 23.6713

Consulte también

fitrensemble | predict

Temas relacionados

• Train Classification Ensemble
• Select Predictors for Random Forests
• Árboles de decisión
• Ensemble Algorithms
• Framework for Ensemble Learning