要交互地发展分类树,请使用分类学习者应用程序。为了更大的灵活性,使用分类树使用fitctree
在命令行。在生长分类树之后,通过将树和新的预测器数据传递给出预测标签预测
。
分类学习者 | 使用有监督的机器学习训练模型来分类数据 |
ClassificationTree预测 | 使用决策树分类器对观察分类 |
ClassificationTree |
用于多类分类的二叉决策树 |
CompactClassificationTree |
紧凑型分类树 |
ClassificationededModel. |
旨在分类模型 |
创建和比较分类树,并导出训练过的模型来预测新数据。
了解监督学习的步骤和非参数分类和回归函数的特点。
理解决策树以及如何使它们适合于数据。
生长决策树,fitctree
和fitrtree.
将标准购物车算法应用于训练数据。
创建和查看培训的决策树的文本或图形描述。
此示例显示如何为不同的分类算法可视化决策表面。
了解启发式算法,以便在越来越多的决策树上使用许多级别进行最佳分类的分类变量。
通过设置名称值对参数来调整树木fitctree
和fitrtree.
。
使用培训的分类和回归树预测类标签或响应。
使用训练过的回归树预测新数据的响应,然后绘制结果。
使用分类学习者应用程序列车分类决策树模型,然后使用ClassificationTree预测标签预测块。