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