“エッジ”は,分類マージンの加重平均値です。重みは树.Priorのクラス確率です。

分類マージンは,真のクラスの分類スコアと,偽のクラスの最大分類スコアの差を表します。マージンは行列Xと同じ行数をもつ列ベクトルです。

ツリーの場合,葉ノードの分類の“スコア”は,そのノードでの分類の事後確率です。あるノードにおける分類の事後確率とは,分類によって実際にそのノードに達するのに要した学習シーケンスの数を,そのノードまでの学習シーケンスの数で除算した値です。

たとえば,X<0．15またはX>0.95である場合は予測子Xを真正的に分類し,それ以外の場合はXを假に分類するとします。

100年個の点を無作為に生成し,分類します。

rng (0,“旋风”）%的再现性X =兰德(100 1);Y = (abs(X - .55) > .4);树= fitctree (X, Y);视图(树,“模式”，“图”）

ツリーを枝刈りします。

tree1 =修剪(树,“水平”1);视图(tree1,“模式”，“图”）

枝刈りされたツリーは,0.15未満の観測値を正しく真正的に分類しています。また,。15から .94 までの観測値についても、正しく假に分類しています。しかし,0.94より大きい観測は假と誤って分類されます。そのため,0.15より大きい観測値のスコアは,真正的では. 05 / .85 = 0。06假では。8 / .85 =。94年になります。

Xの先頭から10行までの予測スコアを計算します。

[~,分数]=预测(tree1 X (1:10));(分数X (1:10)):

ans =10×30.9059 0.0941 0.8147 0.9059 0.0941 0.9058 0 1.0000 0.1270 0.9059 0.0941 0.9134 0.9059 0.0941 0.6324 0 1.0000 0.0975 0.9059 0.0941 0.2785 0.9059 0.0941 0.5469 0.9059 0.0941 0.9575 0.9059 0.0941 0.9649

実際に,X0.15でより小さいすべての値(右端の列)には,0と1のスコアが関連付けられ(左の列と中央の列),Xのその他の値には,0.91と0.09のスコアが関連付けられています。スコアの違い(想定した06ではなく,0.09)は統計変動によるものです。範囲(1) .95のXには,想定した5個ではなく8個の観測値があります。