CategoricalSplits

一个<Ëm class="varname">ñ-by-2细胞阵列，其中<Ëm class="varname">ñ是分类拆分的在数树。每一行中CategoricalSplits给出了一个明确的分左，右的值。对于具有分类分割每个分支节点Ĵ根据一个分类预测变量ž，左边的孩子，如果选择ž在CategoricalSplits（j，1）和右子选择，如果ž在CategoricalSplits（J，2）。劈叉都以相同的顺序作为树的节点。对这些分裂节点可通过运行发现cuttype和选择“绝对”削减从顶部到底部。

孩子

一个<Ëm class="varname">ñ含有子节点的号码中的每个节点-by-2阵列树，其中<Ëm class="varname">ñ是节点的数量。叶节点有子节点0。

CutCategories

一个<Ëm class="varname">ñ-by-2的类别的单元阵列用于在分支树，其中<Ëm class="varname">ñ是节点的数量。对于每个分支节点一世根据一个分类预测变量X，左边的孩子，如果选择X是在列出的类别中CutCategories {I，1}，而右孩子如果选择X是那些在其中列出的CutCategories {I，2}。的两列CutCategories是空的，基于连续预测和叶节点的分支节点。

割点包含了砍分'连续'切块，CutCategories包含该类别集。

割点

一个<Ëm class="varname">ñ在用作切点的值的矢量 - 元素树，其中<Ëm class="varname">ñ是节点的数量。对于每个分支节点一世基于连续预测变量X，左边的孩子，如果选择割点和右子选择，如果X> =截点（I）。割点是为NaN基于分类预测和叶节点分支节点。

CutType

一个<Ëm class="varname">ñ- 元素单元阵列指示在每个节点切割类型树，其中<Ëm class="varname">ñ是节点的数量。对于每个节点一世，CutType {I}是：

割点包含了砍分'连续'切块，CutCategories包含该类别集。

CutPredictor

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树，其中<Ëm class="varname">ñ是节点的数量。这些变量有时被称为切变量。对于叶节点，CutPredictor包含一个空字符向量。

割点包含了砍分'连续'切块，CutCategories包含该类别集。

CutPredictorIndex

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树，其中<Ëm class="varname">ñ是节点的数量。欲了解更多信息，请参阅CutPredictor。

ExpandedPredictorNames

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ExpandedPredictorNames包括描述扩展的变量名。除此以外，ExpandedPredictorNames是相同的PredictorNames。

IsBranchNode

一个<Ëm class="varname">ñ- 元素逻辑矢量IB那是真正对于每个分支节点和假对于每个叶节点树。

NodeError

一个<Ëm class="varname">ñ- 元素矢量Ë节点中的错误树，其中<Ëm class="varname">ñ是节点的数量。的E（i）为节点的误分类概率一世。

NodeMean

一个<Ëm class="varname">ñ- 元素数值数组平均值中的每个节点树，其中<Ëm class="varname">ñ在树的节点数目。在每一个元素NodeMean是平均真实的ÿ值相对于在节点的所有观测。

NodeProbability

一个<Ëm class="varname">ñ- 元素矢量p节点的概率树，其中<Ëm class="varname">ñ是节点的数量。一个节点的概率被计算为从满足该节点的条件的原始数据观测的比例。这一比例调整为分配给每个类中的任何先验概率。

NodeRisk

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。

NodeSize

一个<Ëm class="varname">ñ- 元素矢量大小的节点中的尺寸的树，其中<Ëm class="varname">ñ是节点的数量。一个节点的大小被定义为从用于创建满足条件的节点树中的数据观测值的数量。

NumNodes

节点的数量ñ在树。

亲

一个<Ëm class="varname">ñ- 元素矢量p含父节点的数目中的每个节点树，其中<Ëm class="varname">ñ是节点的数量。根节点的父是0。

PredictorNames

预测变量名称的单元阵列，在该命令在它们出现在X。

PruneAlpha

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PruneAlpha有<Ëm class="varname">中号+ 1个元素按升序排序。PruneAlpha（1）为修剪级别0（没有修剪），PruneAlpha（2）为修剪1级，等等。

PruneList

一个<Ëm class="varname">ñ具有在每个节点中的修剪水平 - 元素数值向量树，其中<Ëm class="varname">ñ是节点的数量。修剪的水平范围从0（没有修剪），以<Ëm class="varname">中号，其中<Ëm class="varname">中号是最深的叶和根的节点之间的距离。

ResponseName

响应变量的命名ÿ，字符向量。

ResponseTransform

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'没有'手段@（X）X或者没有改造。

添加或更改ResponseTransform使用点符号功能：

ctree.ResponseTransform = @<Ëm class="replaceable">功能

SurrogateCutCategories

一个<Ëm class="varname">ñ类别 - 元素单元阵列用于替代分裂树，其中<Ëm class="varname">ñ是节点的数量树。对于每个节点ķ，SurrogateCutCategories {K}是一个单元阵列。长度SurrogateCutCategories {K}等于在这个节点中找到替代预测的数量。的每一个元素SurrogateCutCategories {K}或者是一种用于连续替代预测一个空字符向量，或者是两元件单元阵列与类别为范畴替代预测。通过该替代拆分分配给左子这两个元素的单元阵列列表类别的第一元件，和通过该替代拆分分配给右子这两个元素的单元阵列列表类别的第二元件。替代分裂变量中的每一个节点的顺序被匹配到的变量的顺序SurrogateCutPredictor。该节点的最佳分割可变不会出现。对于非转移（叶）的节点，SurrogateCutCategories包含一个空单元格。

SurrogateCutFlip

一个<Ëm class="varname">ñ数字切分配 - 元素单元阵列用于替代分裂树，其中<Ëm class="varname">ñ是节点的数量树。对于每个节点ķ，SurrogateCutFlip {K}是一个数值向量。长度SurrogateCutFlip {K}等于在这个节点中找到替代预测的数量。的每一个元素SurrogateCutFlip {K}为分类替代预测器，或一个数字切割为连续的替代预测分配或者为零。该数值极限分配可以是-1或+1。对于具有数字切每个替代拆分<Ëm class="varname">C基于连续预测变量<Ëm class="varname">ž，左边的孩子，如果选择ž<<Ëm class="varname">C而这种替代拆分切割分配是+1，或者如果ž≥<Ëm class="varname">C而这种替代拆分切割分配为-1。同样，右孩子如果选择ž≥<Ëm class="varname">C而这种替代拆分切割分配是+1，或者如果ž<<Ëm class="varname">C而这种替代拆分切割分配为-1。替代分裂变量中的每一个节点的顺序被匹配到的变量的顺序SurrogateCutPredictor。该节点的最佳分割可变不会出现。对于非转移（叶）的节点，SurrogateCutFlip包含一个空数组。

SurrogateCutPoint

一个<Ëm class="varname">ñ的数值组成 - 元素单元阵列用于替代分裂树，其中<Ëm class="varname">ñ是节点的数量树。对于每个节点ķ，SurrogateCutPoint {K}是一个数值向量。长度SurrogateCutPoint {K}等于在这个节点中找到替代预测的数量。的每一个元素SurrogateCutPoint {K}或者是为NaN用于分类预测的替代，或一个数字切割为连续的替代指标。对于具有数字切每个替代拆分<Ëm class="varname">C基于连续预测变量<Ëm class="varname">ž，左边的孩子，如果选择ž<<Ëm class="varname">C和SurrogateCutFlip这个替代拆分为+1，或者如果ž≥<Ëm class="varname">C和SurrogateCutFlip这个替代拆分为-1。同样，右孩子如果选择ž≥<Ëm class="varname">C和SurrogateCutFlip这个替代拆分为+1，或者如果ž<<Ëm class="varname">C和SurrogateCutFlip这个替代拆分为-1。替代分裂变量中的每一个节点的顺序被匹配到的变量由返回的顺序SurrogateCutVar。该节点的最佳分割可变不会出现。对于非转移（叶）的节点，SurrogateCutPoint包含一个空单元格。

SurrogateCutType

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树，其中<Ëm class="varname">ñ是节点的数量树。对于每个节点ķ，SurrogateCutType {K}是一个单元阵列与所述类型的该节点的替代拆分变量。这些变量与按降序最佳预测协会的预测指标排序，并且只与阳性预测变量的措施包括。替代分裂变量中的每一个节点的顺序被匹配到的变量的顺序SurrogateCutPredictor。该节点的最佳分割可变不会出现。对于非转移（叶）的节点，SurrogateCutType包含一个空单元格。甲替代拆分类型可以是'连续'如果切割设置在形式定义ž<V一个变量ž和切点V要么“绝对”如果切割被定义是否ž发生在一组类别的值。

SurrogateCutPredictor

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树，其中<Ëm class="varname">ñ是节点的数量树。的每一个元素SurrogateCutPredictor是一个单元阵列与所述替代拆分变量中的该节点的名称。这些变量与按降序最佳预测协会的预测指标排序，并且只与阳性预测变量的措施包括。该节点的最佳分割可变不会出现。对于非转移（叶）的节点，SurrogateCutPredictor包含一个空单元格。

SurrogatePredictorAssociation

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树，其中<Ëm class="varname">ñ是节点的数量树。对于每个节点ķ，SurrogatePredictorAssociation {K}是一个数值向量。长度SurrogatePredictorAssociation {K}等于在这个节点中找到替代预测的数量。的每一个元素SurrogatePredictorAssociation {K}给出最优分裂，这种替代拆分之间的关​​联的预测指标。在每个节点处的替代拆分变量的顺序是变量的顺序SurrogateCutPredictor。该节点的最佳分割可变不会出现。对于非转移（叶）的节点，SurrogatePredictorAssociation包含一个空单元格。