使用分类学习程序训练决策树

创建和比较分类树，并导出训练过的模型来预测新数据。

监督学习工作流程和算法

了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

理解决策树以及如何使它们适合于数据。

日益决策树

生长决策树，fitctree和fitrtree.将标准购物车算法应用于训练数据。

查看决策树

创建和查看培训的决策树的文本或图形描述。

可视化不同分类器的决策表面

此示例显示如何为不同的分类算法可视化决策表面。

分类树中的分类预测器

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。

改善分类树和回归树

通过设置名称值对参数来调整树木fitctree和fitrtree.。

使用分类和回归树预测

使用培训的分类和回归树预测类标签或响应。

预测子树的样本响应

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ClassificationTree预测块预测类标签

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。