Дерево представления
view(tree)
view(tree,Name,Value)
view( возвращает текстовое описание tree)tree, дерева решений.
view( описывает tree,Name,Value)tree с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value.
|
Классификация древовидное или компактное дерево классификации, созданное |
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
|
Значение, описывающее отображение Значение по умолчанию: |
Просмотрите текстовые и графические дисплеи обученного дерева классификации.
Загрузите ирисовый набор данных Фишера.
load fisheririsОбучите дерево классификации, использующее все измерения.
Mdl = fitctree(meas,species);
Просмотрите текстовое отображение обученного дерева классификации.
view(Mdl)
Decision tree for classification 1 if x3<2.45 then node 2 elseif x3>=2.45 then node 3 else setosa 2 class = setosa 3 if x4<1.75 then node 4 elseif x4>=1.75 then node 5 else versicolor 4 if x3<4.95 then node 6 elseif x3>=4.95 then node 7 else versicolor 5 class = virginica 6 if x4<1.65 then node 8 elseif x4>=1.65 then node 9 else versicolor 7 class = virginica 8 class = versicolor 9 class = virginica
Просмотрите графический дисплей обученного дерева классификации.
view(Mdl,'Mode','graph');
Загрузите ирисовый набор данных Фишера.
load fisheririsВырастите мешок 100 деревьев классификации с помощью всех измерений.
rng(1) % For reproducibility
Mdl = TreeBagger(100,meas,species);Также можно использовать fitcensemble, чтобы вырастить мешок деревьев классификации.
Mdl является объектом модели TreeBagger. Mdl.Trees хранит мешок 100 обученных деревьев классификации в 100 1 массиве ячеек. Таким образом, каждая ячейка в Mdl.Trees содержит объект модели CompactClassificationTree.
Просмотрите график 10-го дерева классификации в сумке.
Tree10 = Mdl.Trees{10};
view(Tree10,'Mode','graph');
По умолчанию программное обеспечение выращивает глубокие деревья для мешков деревьев.
Загрузите ирисовый набор данных Фишера.
load fisheririsПовысьте ансамбль 100 деревьев классификации с помощью всех измерений. Задайте пни как слабых учеников.
t = templateTree('MaxNumSplits',1); Mdl = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);
Mdl является объектом модели ClassificationEnsemble. Mdl.Trained хранит ансамбль 100 обученных деревьев классификации в 100 1 массиве ячеек. Таким образом, каждая ячейка в Mdl.Trained содержит объект модели CompactClassificationTree.
Просмотрите график 10-го дерева классификации в ансамбле.
Tree10 = Mdl.Trained{10};
view(Tree10,'Mode','graph');
График показывает пень, потому что вы задали пни как слабые ученики для ансамбля. Однако это поведение не является значением по умолчанию для fitcensemble. По умолчанию fitcensemble выращивает мелкие деревья для повышенных ансамблей деревьев. Таким образом, 'Learners' является templateTree('MaxNumSplits',10).
Чтобы просмотреть древовидный t от ансамбля деревьев, введите одну из этих строк кода
view(Ens.Trained{t})
view(Bag.Trees{t})Ens является полным ансамблем, возвращенным fitcensemble или компактным ансамблем, возвращенным compact.
Bag является полным мешком деревьев, возвращенных TreeBagger или компактным мешком деревьев, возвращенных compact.
Чтобы сохранить tree в Командном окне, получите указатель фигуры при помощи findall и функций setdiff, и затем сохраните tree с помощью функционального saveas.
before = findall(groot,'Type','figure'); % Find all figures view(Mdl,'Mode','graph') after = findall(groot,'Type','figure'); h = setdiff(after,before); % Get the figure handle of the tree viewer saveas(h,'a.png')