matlab - 如何使用 Matlab 的 fitensemble 控制树弱学习器的深度

Question

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：如何用一个分裂（两片叶子而不是许多叶子）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？

score 0 · Accepted Answer

用它：

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

你可以看到：

score 0 · Accepted Answer

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 MinLeafSize 的小值以获得深度树

3- MinParent：设置 MinParentSize 的小值以获得深度树

这是您可以设置它们的一种方式。假设您使用 AdaBoost 来解决多分类问题。

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

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

检查此链接以获取更多详细信息：

2 回答 2