决策树
决策树,或分类树和回归树,预测对数据的反应。要预测响应,请根据树中的决策从根(开始)节点一直到叶节点。叶节点包含响应。分类树给出的响应是名义上的,例如“真正的”
或“假”
.回归树给出数值响应。
统计和机器学习工具箱™树是二叉的。预测的每一步都包括检查一个预测器(变量)的值。例如,这是一个简单的分类树:
这棵树基于两个预测因子来预测分类,x1
而且x2
.要进行预测,从顶部节点开始,由三角形(Δ)表示。第一个决定是是否x1
小于0.5
.如果是,按照左边的分支,看看树是否将数据分类为类型0
.
然而,如果x1
超过0.5
,然后沿着右边的分支到右下的三角形节点。这里树问是否x2
小于0.5
.如果是,那么沿着左边的分支查看树是否将数据分类为类型0
.如果不是,那么沿着右边的分支查看树是否将数据分类为类型1
.
要了解如何使用决策树为分类或回归准备数据,请参见监督学习的步骤.
列车分类树
这个例子展示了如何训练分类树。
创建一个分类树电离层
数据集。
负载电离层包含X和Y变量Mdl = fitctree(X,Y)
Mdl = ClassificationTree ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351属性,方法
训练回归树
这个例子展示了如何训练回归树。
的所有观察结果创建一个回归树carsmall
数据集。考虑到马力
而且重量
向量作为预测变量,而英里/加仑
向量作为响应。
负载carsmall包含马力,重量,MPGX =[马力重量];Mdl =曲线树(X,MPG)
Mdl = RegressionTree ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none' NumObservations: 94属性,方法
参考文献
[1]布雷曼,L. J. H.弗里德曼,R. A.奥尔申和C. J.斯通。分类和回归树。佛罗里达州博卡拉顿:查普曼和霍尔,1984年。
另请参阅
fitctree
|fitrtree
|ClassificationTree
|RegressionTree