Main Content

결정트리

결정트리(분류 트리 및 회귀 트리)는 데이터에 대한 응답 변수를 예측합니다. 응답 변수를 예측하려면 루트(시작) 노드에서 리프 노드까지 트리의 결정을 따르십시오. 리프 노드에는 응답 변수가 포함되어 있습니다. 분류 트리는'true'또는'false'와 같은 명목형 응답 변수를 제공합니다. 회귀 트리는 숫자형 응답 변수를 제공합니다.

Statistics and Machine Learning Toolbox™ 트리는 이진입니다. 예측의 각 단계에는 예측 변수 한 개의 값을 확인하는 작업이 포함됩니다. 예를 들어, 다음은 단순한 분류 트리입니다.

이 트리는 두 개의 예측 변수x1및x2를 기반으로 하여 분류를 예측합니다. 삼각형(Δ)으로 나타낸 최상위 노드에서 시작하여 예측을 수행하십시오. 첫 번째 결정 사항은x1이0.5보다 작은지 여부입니다. 작을 경우, 왼쪽 가지를 따라가 트리가 데이터를 유형0으로 분류함을 확인합니다.

그러나x1이0.5를 초과할 경우 오른쪽 가지를 따라가 오른쪽 아래 삼각형 노드로 진행합니다. 여기서 트리는x2가0.5보다 작은지 여부를 묻습니다. 작을 경우, 왼쪽 가지를 따라가 트리가 데이터를 유형0으로 분류함을 확인합니다. 그렇지 않을 경우, 오른쪽 가지를 따라가 트리가 데이터를 유형1로 분류함을 확인합니다.

결정트리를 사용하여 분류 또는 회귀에 사용할 데이터를 준비하는 방법을 알아보려면지도 학습의 단계항목을참조하십시오。

분류 트리 훈련시키기

라이브 스크립트 열기

이 예제에서는 분류 트리를 훈련시키는 방법을 보여줍니다.

전체ionosphere데이터 세트를 사용하여 분류 트리를 생성합니다.

loadionosphere% Contains X and Y variablesMdl = fitctree(X,Y)
Mdl = ClassificationTree ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351 Properties, Methods

회귀 트리 훈련시키기

라이브 스크립트 열기

이 예제에서는 회귀 트리를 훈련시키는 방법을 보여줍니다.

carsmall데이터 세트에 포함된 모든 관측값을 사용하여 회귀 트리를 생성합니다.Horsepower벡터와Weight벡터를 예측 변수로,MPG벡터를 응답 변수로 간주합니다.

loadcarsmall%包含马力,Weight, MPGX = [Horsepower Weight]; Mdl = fitrtree(X,MPG)
Mdl = RegressionTree ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none' NumObservations: 94 Properties, Methods

참고 문헌

[1] Breiman, L., J. H. Friedman, R. A. Olshen, and C. J. Stone. Classification and Regression Trees. Boca Raton, FL: Chapman & Hall, 1984.

참고 항목

|||

관련 항목