Matlab集成袋装树模型绘制PDP提示输入参数不足，求解决方法

问题场景 #

我在Matlab分类学习器中构建了集成袋装树模型，用于二分类（0/1）预测。数据集包含62条记录、40个变量（拟合时排除2个），多数为分类变量，采用5折交叉验证，模型已导出为trainedModel。尝试用以下代码绘制部分依赖图（PDP）时触发错误：

Mdl = trainedModel.ClassificationEnsemble;
pd = plotPartialDependence(Mdl,{'Age','exp_val'}); %age and exp_val are ordinal variables

错误提示：

Error using classreg.learning.classif.FullClassificationModel/plotPartialDependence (line 391)
Not enough input arguments.

解决方案 #

错误核心是plotPartialDependence针对分类模型时，必须显式传入训练数据集（模型需要基于数据计算特征的部分依赖关系），补充参数后即可正常运行。以下是几种可行写法：

1. 传入训练数据集绘制PDP

分类学习器导出的模型通常内置训练数据在trainedModel.X中，直接补充该参数：

Mdl = trainedModel.ClassificationEnsemble;
pd = plotPartialDependence(Mdl, trainedModel.X, {'Age','exp_val'});

2. 指定响应类别绘制目标类别的PDP

如果需要针对二分类中的某个类别（比如类别1）绘制PDP，可添加ResponseValue参数：

Mdl = trainedModel.ClassificationEnsemble;
pd = plotPartialDependence(Mdl, trainedModel.X, {'Age','exp_val'}, 'ResponseValue', 1);

3. 针对交叉验证模型的处理

若trainedModel是交叉验证模型（类型为ClassificationPartitionedEnsemble），需调用交叉验证模型的方法并传入数据集：

Mdl = trainedModel.CrossValidatedModel;
pd = plotPartialDependence(Mdl, trainedModel.X, {'Age','exp_val'});

说明 #

分类模型的plotPartialDependence方法需要数据集来计算特征与预测结果的边际关系，原代码缺失该必要参数导致报错。确保传入的数据集包含Age和exp_val这两个有序变量且无缺失值，即可正常生成PDP图。

内容的提问来源于stack exchange，提问作者Had