latravcióndeestapáginaEstáobsoleta。HagaclicagíparaverlaúltimaversiónEnglés。

Árbolesdeclasificación

Árboles de decisión binarios para aprendizaje multiclase

para aumentar de forma Interactivaunárboldeclasificación，Utilice la AppClassification Learner。Para市长Flexibilidad，Aumenteunárboldeclasificación中位数FitctreeenlaLíneade comandos。tras aumentarunárboldeclasificación，prediga las Etiquetas pasando el Albol y los nuevos datos de los de los预测predict。

应用

Classification Learner

Entrenar Modelos Para Clasificar Datos Usando Machine Learning Survissado

Bloques

分类树预测

使用决策树分类器对观察进行分类

功能

Expandir todo

Crearunárboldeclasificación

`Fitctree`	Fit binary decision tree for multiclass classification
`compact`	Compact tree
`prune`	通过修剪产生分类子树序列

Mejorar联合国árbol de clasificación

cvloss 通过交叉验证分类错误

解释者Unárboldeclasificación

`lime`	局部可解释的模型不足解释（石灰）
`partialdependence`	计算部分依赖性
`情节依赖性`	创建部分依赖图（PDP）和个人条件期望（ICE）图
`预测象征`	Estimates of predictor importance for classification tree
`沙普利`	沙普利值
`替代性关联`	分类树中替代分裂的关联的平均预测度量
`看法`	View classification tree

ÁrboldeclasificaciónDealaciónCruzada

`杂交`	交叉验证的决策树
`kfoldedge`	交叉验证分类模型的分类边缘
`kfoldloss`	Classification loss for cross-validated classification model
`kfoldMargin`	Classification margins for cross-validated classification model
`kfoldpredict`	在交叉验证分类模型中分类观察结果
`kfoldfun`	分类的交叉验证函数

Medir El Rendimiento

`失利`	Classification error
`重新公开`	Classification error by resubstitution
`比较`	Compare accuracies of two classification models using new data
`edge`	分类边缘
`利润`	Classification margins
`重新组`	分类边缘
`resubMargin`	通过重新确定的分类利润率
`testckfold`	通过重复交叉验证比较两个分类模型的精度

Clasificar observaciones

`predict`	使用分类树预测标签
`重新提高`	Predict resubstitution labels of classification tree

Recopilar propiedades de un árbol de clasificación

`收集`	收集的属性统计和机器学习工具来自GPU的对象

clases

`ClassificationTree`	Binary decision tree for multiclass classification
`CompactClassificationTree`	紧凑的分类树
`分类部门模型`	Cross-validated classification model

Temas

Train Decision Trees Using Classification Learner App
Create and compare classification trees, and export trained models to make predictions for new data.
监督学习工作流程和算法
Understand the steps for supervised learning and the characteristics of nonparametric classification and regression functions.
Árbolesde决策
comprendalosárbolesdecisióny aprenda ajustarlos a los datos。
成长的决策树
为了种植决策树，FitctreeandFitrtree默认情况下，将标准购物车算法应用于培训数据。
Ver árbol de decisión
Cree y Visualice unadescripcióngráficao de texto de unboldecisiónEntrenado。
可视化不同分类器的决策表面
This example shows how to visualize the decision surface for different classification algorithms.
分类树中的分类预测指标
Learn about the heuristic algorithms for optimally splitting categorical variables with many levels while growing decision trees.
改善分类树和回归树
通过设置名称值对参数来调整树FitctreeandFitrtree。
Prediction Using Classification and Regression Trees
使用训练有素的分类和回归树预测类标签或响应。
预测子树的样本外反应
Predict responses for new data using a trained regression tree, and then plot the results.
Predict Class Labels Using ClassificationTree Predict Block
使用分类学习者应用训练分类决策树模型，然后使用分类树预测标签预测的块。
人类活动识别simulink模型用于定点部署万博1manbetx
Generate code from a classification Simulink^®为定点部署准备的模型。
使用机器学习算法在Arduino硬件上识别打孔和弹性手势（万博1manbet万博1manbetxxsimulink支持包适用于Arduino硬件）
This example shows how to use the Simulink® Support Package for Arduino® Hardware to identify punch and flex hand gestures using a machine learning algorithm.