La traducción de esta página está obsoleta。Haga clic aquí para ver la última versión en inglés。
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 mediantefitctree
En 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
.
分类学习者 | 使用有监督的机器学习训练模型来分类数据 |
ClassificationTree预测 | 使用决策树分类器对观察结果进行分类 |
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 |
创建和比较分类树,并导出训练过的模型来预测新数据。
了解监督学习的步骤和非参数分类和回归函数的特点。
理解决策树以及如何使它们适合于数据。
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。