LosÁrbolesdeDecisión,oÁrbolesdeClasificaciónyÁrbolesdeRegresión,Predicen Las Respuestas A LOS Datos。Para Predecir Una Respuesta,SIGA LAS决策DelÁrboldesde el NodoRaíz(Principio)Hasta Un Nodo Hoja。El Nodo Hoja Contiene La Respuesta。LosÁrbolesdeClasificacióndanrespuestas que儿子名词,como o。'真的'
'错误的'
LosÁrbolesdeRegresiónProporcionanRespuestasNuméricas。
LosÁrbolesSon Binarios.Statistics和机器学习工具箱™CADA Paso de UnaPredicciónImplicaComporobarEl Valor de Un Predictor(变量)。POR Ejeallo,Aquíhay联合国ÁrboldeClasificación简单:
EstÁrbol预测LAS ClasificAciones Basadas EN DOS预测Y.X1
X2
Para Predecir,en En El Nodo Superior,Issignado Por UnTriángulo。La PrimeraDecisiónESESESMenor Que。X1
0.5
如果是así,那么他的名字就是árbol。0.
Si,Sin Embargo,Supera,Siga La Rama Derecha Hasta El Nodo deTriángulo劣质德奈尔。X1
0.5
Aquíelárbolpreguntasiesmáspequeñoque。X2
0.5
如果是así,那么他的名字将会是árbol。0.
Si noesíí,siga la Rama derecha para ver queelárbolclasifica los datos como tipo。1
Para ObenerInformaciónSobreCómoProcepar Los Datos Para LaClasificacióno laRogresiónMedianteÁrbolesdeDecisión,咨询。Pasos en El Aprendizaje Supervisado
en Este Ejemero Se MuestraCómoentrenar联合国ÁrboldeClasificación。
Creee联合国Árboldeclasificaciónuterizanotodo el Condunto de Datos。电离层
加载电离层%包含x和y变量mdl = fitctree(x,y)
Mdl = classiicaltree ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none
EN Este Ejemero Se MuestraCómoentrenar联合国ÁrboldeRegresión。
Creee联合国ÁrboldeRegresiónuterizandotoda laneamedacióndel condunto de Datos。carsmall
Como Vectory y Como变量预测oras y el vector como la Respuesta。马力
重量
MPG.
加载carsmall%含有马力,重量,mpg x = [马力重量];mdl = fitrtree(x,mpg)
Mdl = RegressionTree ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none
[1] Breiman,L.,J.H.Friedman,R.A. Olshen和C. J. Stone。分类和回归树。Boca Raton,FL:Chapman&Hall,1984年。
ClassificationTree
|fitctree
|fitrtree.
|回归植物