如何使用 Matlab fitcensemble 控制树弱学习器的深度

Posted 2023-03-13

【中文标题】如何使用 Matlab fitcensemble 控制树弱学习器的深度

【英文标题】：How to control depth of tree weaklearner with Matlab's fitensemble

【发布时间】：2013-10-04 16:51:15

【问题描述】：

我正在对具有 8 个特征和 5000 个样本的数据使用 Matlab 的 fitensemble 函数。 使用以下命令，我可以训练模型：

ada= fitensemble(datafeatures,dataclass,'AdaBoostM1',200,'tree');

我的问题：我怎样才能用一个分裂（两个叶子而不是很多叶子）创建弱学习器？ 我知道以下命令控制树的创建方式： t = ClassificationTree.template，但我只看到树深度的最小参数。如何设置上限？

【参考方案1】：

使用它：

t = templateTree('minleaf',5);
ens = fitensemble(X,Y,'AdaBoostM2',50,t);

你可以看到：

http://www.mathworks.com/help/stats/ensemble-methods.html

【参考方案2】：

通过以下三个参数，您可以控制树的深度或叶子。

1- MaxNum：为 MaxNumSplits 设置一个较大的值以获得深度树

2- MinLeaf：设置较小的 MinLeafSize 值以获得深度树

3- MinParent：设置较小的 MinParentSize 值以获得深度树

这是一种设置它们的方法。假设您使用 AdaBoost 解决多分类问题。

DTree = templateTree('MinLeaf',1,'MinParent',4);

Ensemble=fitensemble(Train,Respones,'AdaBoostM2',500,DTree);

查看此链接了解更多详情：

http://au.mathworks.com/help/stats/classification-trees-and-regression-trees.html#bsw6baj