包:classreg.learning.regr
紧凑型回归树
回归树的紧凑型(类RegressionTree
)。紧凑的版本不包括用于训练回归树中的数据。因此,你不能用一个紧凑的回归树执行一些任务,如交叉验证。使用紧凑回归树进行预测(回归)的新数据。
从构建一个完整的决策树紧凑决策树。ctree
=紧凑(树
)
|
分类预测指标,指定为正整数的向量。 |
|
一个<Ëm class="varname">ñ-by-2细胞阵列,其中<Ëm class="varname">ñ是分类拆分的在数 |
|
一个<Ëm class="varname">ñ含有子节点的号码中的每个节点-by-2阵列 |
|
一个<Ëm class="varname">ñ-by-2的类别的单元阵列用于在分支
|
|
一个<Ëm class="varname">ñ在用作切点的值的矢量 - 元素 |
|
一个<Ëm class="varname">ñ- 元素单元阵列指示在每个节点切割类型
|
|
一个<Ëm class="varname">ñ变量的名称 - 元素单元阵列用于在每个节点的分支
|
|
一个<Ëm class="varname">ñ为变量数字索引的阵列 - 元素用于在每个节点的分支 |
|
扩展预测器的名称,存储作为字符向量的单元阵列。 如果编码分类变量,那么该模型的用途 |
|
一个<Ëm class="varname">ñ- 元素逻辑矢量 |
|
一个<Ëm class="varname">ñ- 元素矢量 |
|
一个<Ëm class="varname">ñ- 元素数值数组平均值中的每个节点 |
|
一个<Ëm class="varname">ñ- 元素矢量 |
|
一个<Ëm class="varname">ñ节点的树,其中的风险 - 元素矢量<Ëm class="varname">ñ是节点的数量。每个节点的风险是由节点概率加权的节点错误。 |
|
一个<Ëm class="varname">ñ- 元素矢量 |
|
节点的数量 |
|
一个<Ëm class="varname">ñ- 元素矢量 |
|
预测变量名称的单元阵列,在该命令在它们出现在 |
|
数值向量与每修剪水平一种元素。如果修剪水平范围从0到<Ëm class="varname">中号, 然后 |
|
一个<Ëm class="varname">ñ具有在每个节点中的修剪水平 - 元素数值向量 |
|
响应变量的命名 |
|
用于将原始响应值(均方误差)功能的手柄。该功能句柄必须接受响应值的矩阵并返回相同大小的矩阵。默认 添加或更改 ctree.ResponseTransform = @<Ëm class="replaceable">功能 |
|
一个<Ëm class="varname">ñ类别 - 元素单元阵列用于替代分裂 |
|
一个<Ëm class="varname">ñ数字切分配 - 元素单元阵列用于替代分裂 |
|
一个<Ëm class="varname">ñ的数值组成 - 元素单元阵列用于替代分裂 |
|
一个<Ëm class="varname">ñ- 元素单元阵列指示在每个节点类型替代拆分的 |
|
一个<Ëm class="varname">ñ变量的名称 - 元素单元阵列中的每个节点用于替代拆分 |
|
一个<Ëm class="varname">ñ的关联的预测措施 - 元素单元阵列用于替代分裂 |
失利 | 回归错误 |
预测 | 预测采用回归树响应 |
predictorImportance | 预测的重要性估计回归树 |
surrogateAssociation | 在回归树替代拆分协会的预测均值衡量 |
视图 | 查看回归树 |
值。要了解值类如何影响复制操作,请参阅复制对象(MATLAB)。