主要内容
이번역페이지는최신내용을담고있지않습니다。최신내용을영문으로보려면여기를클릭하십시오。
분류트리
다중클래스학습을위한이진결정트리
분류트리를대화형방식으로성장시키려면분류학습기앱을사용하십시오。더유연한접근방법을원한다면,명령줄에서fitctree를사용하여분류트리를성장시키십시오。분류트리를성장시킨후트리와새예측변수데이터를预测에전달하여레이블을예측합니다。
앱
| 분류학습기 | 머신러닝지도학습을사용하여데이터를분류하도록모델훈련시키기 |
블록
| ClassificationTree预测 | 使用决策树分类器对观察结果进行分类 |
함수
클래스
ClassificationTree |
用于多类分类的二叉决策树 |
CompactClassificationTree |
紧凑的分类树 |
ClassificationPartitionedModel |
旨在分类模型 |
도움말항목
创建和比较分类树，并导出训练过的模型来预测新数据。
지도학습의단계와비모수적분류및회귀함수의특성을알아봅니다。
결정트리와결정트리를데이터에피팅하는방법을알아봅니다。
为了种植决策树，fitctree和fitrtree对训练数据默认采用标准CART算法。
创建并查看经过训练的决策树的文本或图形描述。
这个例子展示了如何可视化不同分类算法的决策面。
学习在成长决策树的过程中最优地分割多级分类变量的启发式算法。
通过设置名称-值对参数来调优树fitctree和fitrtree．
使用训练过的分类和回归树预测类标签或响应。
使用训练过的回归树预测新数据的响应，然后绘制结果。
使用分类学习器应用程序训练分类决策树模型，然后使用ClassificationTree预测块用于标签预测。
你也可以从以下列表中选择一个网站:
