predictorImportance

类:CompactRegressionEnsemble

估计预测的重要性

扩展所有的页面

语法

小鬼= predictorImportance(实体) (imp, ma) = predictorImportance(实体)

描述

小鬼= predictorImportance (实体)计算估计预测的重要性实体通过总结这些估计在所有薄弱的学习者。小鬼有一个元素为每个输入预测数据用于训练这合奏。高价值表明该预测是很重要的实体。

(小鬼,马)= predictorImportance (实体)返回一个P——- - - - - -P协会的矩阵预测措施P预测因子。

输入参数

`实体`	创建一个回归合奏`fitrensemble`或`紧凑的`方法。

输出参数

`小鬼`	一个行向量与相同数量的元素数量预测(列)`实体。X`。条目的估计预测的重要性,`0`代表最小的重要性。
`马`	一个`P`——- - - - - -`P`协会的矩阵预测措施`P`预测因子。元素`硕士(I, J)`是协会的预测方法预测平均值替代分裂吗`J`的预测`我`最优分割预测。`predictorImportance`平均的预测测量协会在合奏中所有的树木。

例子

全部展开

估计预测的重要性

打开生活的脚本

估计所有预测变量的数据预测的重要性。

加载carsmall数据集。

负载carsmall

100回归树的整体增长英里/加仑使用加速度,气缸,位移,马力,Model_Year,重量为预测因子。指定树桩作为弱的学习者。

X =(加速汽缸位移马力Model_Year重量);t = templateTree (“MaxNumSplits”1);实体= fitrensemble (X,英里/加仑,“方法”,“LSBoost”,“学习者”t);

估计所有预测变量预测的重要性。

小鬼= predictorImportance(实体)

小鬼=1×60.0150 0 0.0066 0.1111 0.0437 0.5181

重量最后预测,最影响里程。第二个预测重要性0,这意味着气缸数对预测没有影响实体。

预测的重要性和代理分裂

打开生活的脚本

估计所有变量的预测重要的数据和回归树集合包含代理分裂。

加载carsmall数据集。

负载carsmall

100回归树的整体增长英里/加仑使用加速度,气缸,位移,马力,Model_Year,重量为预测因子。指定树桩作为弱的学习者,也确定代孕分裂。

X =(加速汽缸位移马力Model_Year重量);t = templateTree (“MaxNumSplits”,1“代孕”,“上”);实体= fitrensemble (X,英里/加仑,“方法”,“LSBoost”,“学习者”t);

估计预测的重要性和协会的预测变量预测措施。

(imp, ma) = predictorImportance(实体)

小鬼=1×60.2065 0.3799 0.4100 0.6190 0.3670 0.5476

马=6×61.0000 0.0098 0.0102 0.0098 0.0033 0.0067 1.0000 0 0 0 0 0 0.0056 0.0084 1.0000 0.0078 0.0022 0.0084 0.2232 0.1574 0.2066 1.0000 0.0580 0.2059 0.0061 0.0070 0.0063 0.0064 1.0000 0.0056 0.0200 0.0368 0.0620 0.0521 0.0098 1.0000

比较小鬼结果在估计预测的重要性,马力影响最大的里程,重量在第二个最大的影响。

算法

元素硕士(i, j)是协会的预测方法预测平均值替代分裂吗j的预测我最优分割预测。这个平均计算加法协会的积极的预测测量值对预测最优分割我并在预测替代分裂j和除以总数量的最优分割预测我,包括分裂的预测方法预测之间的联系我和j是负的。

另请参阅

plotPartialDependence|predictorImportance|templateTree

这个主题有帮助吗?<我nput type="button" value="是的" onClick="openFeedbackWindow('//www.tianjin-qmedu.com/programs/bounce_hub_help.html?s_cid=Help_Topic_Survey&surveyParams='+document.location.href+'-YES-R2018a');">