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

oobPredict

Clase: TreeBagger

Las predicciones del Ensemble para las observaciones fuera de bolsa

Sintaxis

Y = oobPredict(B)
Y = oobPredict(B,Name,Value)
[Y,stdevs] = oobPredict(___)
[Y,scores] = oobPredict(___)
[Y,scores,stdevs] = oobPredict(___)

Descripción

Y = oobPredict(B) calcula las respuestas pronosticadas utilizando el Bagger entrenado para las observaciones fuera de bolsa en los datos de entrenamiento.B La salida tiene una predicción para cada observación en los datos de entrenamiento. El Y devuelto es una matriz de celdas de vectores de caracteres para la clasificación y una matriz numérica para la regresión.

Y = oobPredict(B,Name,Value) especifica opciones adicionales mediante uno o ambos argumentos de par nombre-valor:

  • — Matriz de índices de árbol a utilizar para el cálculo de respuestas.'Trees' El valor predeterminado es.'all'

  • — Matriz de pesos para ponderaciones de votos de los árboles especificados, donde está el número de árboles en el conjunto.'TreeWeights'NTreesNTrees

Para la regresión, [Y,stdevs] = oobPredict(___) también devuelve desviaciones estándar de las respuestas calculadas sobre el conjunto de los árboles cultivados utilizando cualquiera de las combinaciones de argumentos de entrada en sintaxis anteriores.

Para la clasificación, [Y,scores] = oobPredict(___) también devuelve puntuaciones para todas las clases. es una matriz con una fila por observación y una columna por clase.scores Para cada observación fuera de bolsa y cada clase, la puntuación generada por cada árbol es la probabilidad de la observación originaria de la clase, calculada como la fracción de las observaciones de la clase en una hoja de árbol. promedios de estas puntuaciones sobre todos los árboles en el conjunto.oobPredict

[Y,scores,stdevs] = oobPredict(___) también devuelve desviaciones estándar de las puntuaciones calculadas para la clasificación. es una matriz con una fila por observación y una columna por clase, con desviaciones estándar tomadas sobre el conjunto de los árboles cultivados.stdevs

Algoritmos

YoobPredict predict predecir clases y respuestas del mismo modo.

  • En problemas de regresión:

    • Para cada observación que está fuera de bolsa para al menos un árbol, compone la media ponderada mediante la selección de las respuestas de los árboles en el que la observación está fuera de la bolsa.oobPredict Para este cálculo, el argumento de par nombre-valor especifica las ponderaciones.'TreeWeights'

    • Para cada observación que se encuentra en la bolsa para todos los árboles, la respuesta pronosticada es la media ponderada de todas las respuestas de entrenamiento. Para este cálculo, la propiedad del modelo (es decir, los pesos de observación) especifica las ponderaciones.WTreeBagger

  • En problemas de clasificación:

    • Para cada observación que está fuera de bolsa para al menos un árbol, compone la media ponderada de las probabilidades posteriores de clase seleccionando los árboles en los que la observación está fuera de bolsa.oobPredict Por lo tanto, la clase pronosticada es la clase correspondiente a la media ponderada más grande. Para este cálculo, el argumento de par nombre-valor especifica las ponderaciones.'TreeWeights'

    • Para cada observación que está en bolsa para todos los árboles, la clase pronosticada es la clase ponderada y más popular sobre todas las respuestas de entrenamiento. Para este cálculo, la propiedad del modelo (es decir, los pesos de observación) especifica las ponderaciones.WTreeBagger Si hay varias clases más populares, considera que la que aparece en primer lugar en la propiedad del modelo es la más popular.oobPredictClassNamesTreeBagger