包裹:classreg.learning.classif
紧凑分类树
分类树(类)的精简版分类树
).精简版不包括用于训练分类树的数据。因此,您不能使用紧凑的分类树执行某些任务,例如交叉验证。使用紧凑的分类树对新数据进行预测(分类)。
从完整的决策树构造紧凑的决策树。ctree
=紧凑型(树
)
|
使用 |
|
分类预测指标,指定为一个正整数向量。 |
|
一N-by-2单元阵列,其中N分类分割的数量在吗 |
|
一N-by-2数组,其中包含每个节点的子节点编号 |
|
一N-借-K中节点的类计数数组 |
|
中的元素列表 如果属性的值至少有一个长度维度K然后 |
|
一N-借-K中的节点的类概率数组 |
|
方阵, |
|
一N中分支使用的类别的单元格数组
|
|
一N元素向量的值用作切入点
|
|
一N-元素单元数组,指示中每个节点的切割类型
|
|
一N-元素中每个节点中用于分支的变量名称的单元格数组
|
|
一N中的每个节点中用于分支的变量的数字索引数组 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型对分类变量使用编码,那么 |
|
一N-元素逻辑向量,即 |
|
一N的每个节点中最有可能的类的名称 |
|
一N中节点误差的元素向量 |
|
一N中节点的概率的元素向量 |
|
一N-树中节点风险的元素向量,其中N是节点数。每个节点的风险是由节点概率加权的该节点的杂质(基尼指数或偏差)度量。如果树按两倍增长,则每个节点的风险为零。 |
|
一N中的节点大小的元素向量 |
|
节点的数量 |
|
一N-元素向量,其中包含每个节点的父节点数 |
|
预测器变量名称的单元格数组,按它们出现的顺序排列 |
|
每个类别的先验概率的数值向量。元素的顺序 |
|
每个修剪级别具有一个元素的数值向量。如果修剪级别介于0到M然后 |
|
一N的每个节点中具有修剪级别的元素数值向量 |
|
描述响应变量的特征向量 |
|
用于转换分数的函数句柄,或表示内置转换函数的字符向量。 添加或更改 ctree。ScoreTransform = '函数'或ctree.ScoreTransform=@函数 |
|
一N-element用于分割的代理项的单元格数组 |
|
一N用于代理拆分的数字切割赋值的单元格数组 |
|
一N用于代理的数值的单元格数组 |
|
一N-元素单元格数组,指示中每个节点上代理项拆分的类型 |
|
一N-元素中每个节点中用于代理项拆分的变量名称的单元格数组 |
|
一N-element单元阵列的预测关联度量为代理分裂 |
价值。要了解值类如何影响复制操作,请参见复制对象(MATLAB)。