Main Content

Ensembles de árboles de regresión

Bosques aleatorios, árboles de regresión potenciados y empaquetados

Un ensemble de árboles de regresión es un modelo predictivo compuesto por una combinación ponderada de varios árboles de regresión. En general, la combinación de varios árboles de regresión aumenta la capacidad predictiva. Para potenciar árboles de regresión mediante LSBoost, utilice fitrensemble. Para empaquetar árboles de regresión o aumentar un bosque aleatorio [12], utilice fitrensemble o TreeBagger. Para implementar una regresión por cuantiles mediante un empaquetado de árboles de regresión, utilice TreeBagger.

En cuanto a los ensembles de clasificación, como árboles de clasificación potenciados o empaquetados, ensembles de subespacios aleatorios o modelos de códigos de salida de corrección de errores (ECOC, por sus siglas en inglés) para clasificación multiclase, consulte Ensembles de clasificación.

Apps

Regression LearnerEntrenar modelos de regresión para predecir datos usando machine learning supervisado

Bloques

RegressionEnsemble PredictPredict responses using ensemble of decision trees for regression (desde R2021a)

Funciones

expandir todo

Crear un ensemble de regresión

fitrensembleFit ensemble of learners for regression
compactReduce size of regression ensemble model
fitensembleFit ensemble of learners for classification and regression

Modificar un ensemble de regresión

regularizeFind optimal weights for learners in regression ensemble model
removeLearnersRemove members of compact regression ensemble
resumeResume training of regression ensemble model
shrinkPrune regression ensemble

Realizar una validación cruzada de un ensemble de regresión

cvshrinkCross-validate shrinking (pruning) ensemble
kfoldLossLoss for cross-validated partitioned regression model
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldfunCross-validate function for regression

Medir el rendimiento

lossRegression error for regression ensemble model
resubLossResubstitution loss for regression ensemble model

Clasificar observaciones

predictPredict responses using ensemble of regression models
resubPredictPredict response of regression ensemble by resubstitution

Recopilar propiedades de un ensemble de regresión

gatherGather properties of Statistics and Machine Learning Toolbox object from GPU (desde R2020b)
fitrensembleFit ensemble of learners for regression
TreeBaggerEnsemble of bagged decision trees
predictPredict responses using ensemble of bagged decision trees
oobPredictEnsemble predictions for out-of-bag observations
quantilePredictPredict response quantile using bag of regression trees
oobQuantilePredictQuantile predictions for out-of-bag observations from bag of regression trees
crossvalCross-validate regression ensemble model
limeLocal interpretable model-agnostic explanations (LIME) (desde R2020b)
partialDependenceCompute partial dependence (desde R2020b)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
predictorImportanceEstimates of predictor importance for regression ensemble of decision trees
shapleyShapley values (desde R2021a)

Clases

expandir todo

RegressionEnsembleEnsemble regression
CompactRegressionEnsembleCompact regression ensemble class
RegressionPartitionedEnsembleCross-validated regression ensemble
TreeBaggerEnsemble of bagged decision trees
CompactTreeBaggerCompact ensemble of bagged decision trees
RegressionBaggedEnsembleRegression ensemble grown by resampling

Temas