La traducción de esta página está obsoleta。Haga clic aquí para ver la última versión en inglés。

Arboles de clasificacion

Árboles de decisión binarios para aprendizaje multiclass

Para aumentar de forma interactiva un árbol de clasificación, utilice la app分类学习者．Para mayor flexibilidad, auumente un árbol de clasificación mediantefitctreeEn la línea de comandos。我们的节日是árbol de clasificación，我们的节日是árbol，我们的新节日是我们的预言预测．

应用程序

分类学习者

使用有监督的机器学习训练模型来分类数据

Bloques

ClassificationTree预测

使用决策树分类器对观察结果进行分类

一些必要

expandir待办事项

Crear un árbol de clasificación

`fitctree`	拟合二叉决策树用于多类分类
`紧凑的`	紧凑的树
`修剪`	通过修剪产生分类子树序列

Mejorar un árbol de clasificación

cvloss 交叉验证的分类误差

解释árbol de clasificación

`石灰`	局部可解释的模型不可知解释(LIME)
`partialDependence`	计算部分依赖
`plotPartialDependence`	创建部分依赖图(PDP)和个人条件期望图(ICE)
`predictorImportance`	分类树中预测因子重要性的估计
`沙普利`	沙普利值
`surrogateAssociation`	分类树中代理分裂关联的平均预测度量
`视图`	视图分类树

实现una validación cruzada

`crossval`	旨在决策树
`kfoldEdge`	交叉验证分类模型的分类边缘
`kfoldLoss`	交叉验证分类模型的分类损失
`kfoldfun`	交叉验证功能进行分类
`kfoldMargin`	交叉验证分类模型的分类裕度
`kfoldPredict`	在交叉验证的分类模型中对观察进行分类

Medir el rendimiento

`损失`	分类错误
`resubLoss`	再代换造成的分类错误
`compareHoldout`	使用新数据比较两个分类模型的准确性
`边缘`	分类的优势
`保证金`	分类的利润率
`resubEdge`	边的再替换分类
`resubMargin`	再替换的分类边缘
`testckfold`	通过重复交叉验证比较两种分类模型的准确率

Clasificar observaciones

`预测`	使用分类树预测标签
`resubPredict`	预测分类树的再替换标签

一堂课

`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