如何用Matlab fitensemble控制树弱学习者的深度

Question

我在具有8个特征和5000个样本的数据上使用Matlab的fitensemble函数。 通过以下命令，我可以训练模型：

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

我的问题：如何用一个单独的分割（两片叶子而不是多片叶子）创建弱学习者？ 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。如何设置上限限制？

Answer 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

Answer 2

使用以下三个参数，您可以控制树的深度或树状。

1- MaxNum：为MaxNumSplits设置一个较大的值以获得深树

2- MinLeaf：设置MinLeafSize的小值以获得深树

3- MinParent：设置较小的MinParentSize值以获得深树

这是一种可以设置它们的方法。假设您使用AdaBoost进行多分类问题。

DTree = templateTree（＆＃39; MinLeaf＆＃39;，＆＃39; MinParent＆＃39;，4）;

合奏= fitensemble（列车，阶跃响应，＆＃39; AdaBoostM2＆＃39; 500，DTREE）;

查看此链接以获取更多详细信息：

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