分类树
为多级二叉决策树学习
交互式地成长一个分类树,使用分类学习者应用。更大的灵活性,增加一个分类树fitctree在命令行中。增加一个分类树后,预测标签通过树和新的预测数据预测。
应用程序
| 分类学习者 | 火车模型使用监督机器学习分类数据 |
块
| ClassificationTree预测 | 观察使用决策树分类器进行分类 |
功能
类
ClassificationTree |
二叉决策树的多类分类 |
CompactClassificationTree |
紧凑的分类树 |
ClassificationPartitionedModel |
旨在分类模型 |
主题
- 火车使用分类学习者应用决策树
创建和比较分类树,和出口训练模型对新数据进行预测。
- 监督学习工作流程和算法
理解监督学习的步骤和非参数分类和回归函数的特点。
- 决策树
了解决策树以及如何适应他们的数据。
- 越来越多的决策树
决策树,
fitctree和fitrtree在默认情况下,标准的CART算法应用于训练数据。 - 决策树视图
创建和查看一个文本或图形描述的决策树训练。
- 可视化决定表面不同的分类器
这个例子展示了如何可视化决定表面不同的分类算法。
- 在分类树分割分类预测
了解最优分割分类变量的启发式算法与许多水平而不断增长的决策树。
- 提高分类树和回归树
调整树通过设置参数的名称-值对
fitctree和fitrtree。 - 预测使用分类和回归树
预测类标签或使用训练有素的分类和回归树的反应。
- 子树的样本外预测反应
使用一个训练有素的回归预测反应的新数据树,然后画出结果。
- 预测类标签使用ClassificationTree预测块
使用分类学习者训练一个分类决策树模型应用程序,然后使用ClassificationTree预测预测块的标签。
- 人类活动识别定点仿真软件模型部署万博1manbetx
从一个分类模型生成的代码万博1manbetx®模型准备定点部署。
- Flex手势识别穿孔和Arduino的硬件上使用机器学习算法(万博1manbet万博1manbetxxArduino硬件仿真软件支持包)
这个例子展示了如何使用仿真软件®支持包Arduino®硬件识别穿孔和万博1manbetx万博1manbetxflex手势使用机器学习算法。
