MATLAB中的TreeBagger(随机森林)参数
当我比较MATLAB的随机林实现(MATLAB中的TreeBagger(随机森林)参数,matlab,opencv,machine-learning,random-forest,supervised-learning,Matlab,Opencv,Machine Learning,Random Forest,Supervised Learning,当我比较MATLAB的随机林实现(TreeBaggerclass)和OpenCV实现(随机树类)时,我发现后者中存在的几个参数在前者中不存在 感兴趣的参数是树的最大深度(max_depth)和max_类别 有人知道如何在MATLAB中访问这些参数吗 这些参数在袋装决策树的MATLAB实现中不可用,TreeBagger命令B.trees{1}。NumNodes将返回第一棵树的节点数,其中B是您的模型 根据二叉树的平均高度计算: Hight=sqrt(2*pi*n),其中n是节点数 请参阅第2页,它
TreeBagger
class)和OpenCV实现(随机树类)时,我发现后者中存在的几个参数在前者中不存在
感兴趣的参数是树的最大深度(max_depth)和max_类别
有人知道如何在MATLAB中访问这些参数吗 这些参数在袋装决策树的MATLAB实现中不可用,
TreeBagger
命令B.trees{1}。NumNodes
将返回第一棵树的节点数,其中B
是您的模型
根据二叉树的平均高度计算:
Hight=sqrt(2*pi*n),其中n是节点数
请参阅第2页,它非常接近.pdf的底部,因为它是反向的
但是,我对这个公式有疑问…谢谢Sam的回答,但是我已经知道TreeBagger类没有提供任何关于上述两个参数的信息(这就是我发布这个问题的原因)。我想知道这在Matlab中是如何安排的,因为这些参数在运行算法时非常重要。你说的“这是如何安排的”是什么意思?您是否询问MathWorks计划何时(如果)实施这些参数?我不知道有什么计划来实施这些计划,如果MathWorks真的打算这么做,我认为他们不会提前公布这个计划。请记住,
TreeBagger
不是随机林,它是袋装决策树的一种实现,可以使决策树的行为方式与随机林非常相似。没有理由它必须拥有与另一个实现完全相同的参数。无论如何,我特别感兴趣的参数是树的最大深度。它会影响他们过度拟合的能力,或者是否。这个参数是固定的还是从一个迭代到另一个迭代会发生变化?我觉得奇怪的是,MATHWORKS没有带来处理它的方法。对我来说,这似乎并不奇怪-有更好的方法来控制树的复杂性,而不是简单地在特定的深度进行切割(例如修剪,或限制每个叶节点的观察次数)。在任何情况下,不管您是否觉得奇怪,原始问题的答案是,参数在TreeBagger
中不可用,即使它们在OpenCV中。