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.
|
Регрессия древовидное или компактное дерево регрессии, 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.
|
Отображение Значение по умолчанию: |
Просмотрите текстовые и графические дисплеи обученного дерева регрессии.
Загрузите набор данных carsmall. Рассмотрите модель, которая объясняет экономию топлива автомобиля (MPG) с помощью его веса (Weight) и количество цилиндров (Cylinders).
load carsmall
X = [Weight Cylinders];
Y = MPG;Обучите дерево регрессии, использующее все измерения.
Mdl = fitrtree(X,Y);
Просмотрите текстовое отображение обученного дерева регрессии.
view(Mdl)
Decision tree for regression 1 if x1<3085.5 then node 2 elseif x1>=3085.5 then node 3 else 23.7181 2 if x1<2371 then node 4 elseif x1>=2371 then node 5 else 28.7931 3 if x2<7 then node 6 elseif x2>=7 then node 7 else 15.5417 4 if x1<2162 then node 8 elseif x1>=2162 then node 9 else 32.0741 5 if x2<5 then node 10 elseif x2>=5 then node 11 else 25.9355 6 fit = 19.2778 7 if x1<4381 then node 12 elseif x1>=4381 then node 13 else 14.2963 8 if x1<1951 then node 14 elseif x1>=1951 then node 15 else 33.3056 9 fit = 29.6111 10 if x1<2827.5 then node 16 elseif x1>=2827.5 then node 17 else 27.2143 11 if x1<3013.5 then node 18 elseif x1>=3013.5 then node 19 else 23.25 12 if x1<3533.5 then node 20 elseif x1>=3533.5 then node 21 else 14.8696 13 fit = 11 14 fit = 29.375 15 if x1<2142.5 then node 22 elseif x1>=2142.5 then node 23 else 34.4286 16 if x1<2385 then node 24 elseif x1>=2385 then node 25 else 27.6389 17 fit = 24.6667 18 fit = 21.5 19 fit = 30.25 20 fit = 16.6 21 if x1<4378 then node 26 elseif x1>=4378 then node 27 else 14.3889 22 if x1<2080 then node 28 elseif x1>=2080 then node 29 else 34.8333 23 fit = 32 24 fit = 24.5 25 if x1<2412.5 then node 30 elseif x1>=2412.5 then node 31 else 28.0313 26 if x1<4365 then node 32 elseif x1>=4365 then node 33 else 14.2647 27 fit = 16.5 28 fit = 34.125 29 fit = 36.25 30 fit = 34 31 if x1<2447 then node 34 elseif x1>=2447 then node 35 else 27.6333 32 if x1<4122.5 then node 36 elseif x1>=4122.5 then node 37 else 14.5313 33 fit = 10 34 fit = 24 35 if x1<2573.5 then node 38 elseif x1>=2573.5 then node 39 else 27.8929 36 if x1<3860 then node 40 elseif x1>=3860 then node 41 else 14.15 37 fit = 15.1667 38 fit = 27.125 39 if x1<2580 then node 42 elseif x1>=2580 then node 43 else 28.2 40 fit = 14.5 41 fit = 13.625 42 fit = 31 43 fit = 27.8889
Просмотрите графический дисплей обученного дерева регрессии.
view(Mdl,'Mode','graph');
Загрузите набор данных carsmall. Рассмотрите модель, которая объясняет экономию топлива автомобиля (MPG) с помощью его веса (Weight) и количество цилиндров (Cylinders).
load carsmall
X = [Weight Cylinders];
Y = MPG;Вырастите мешок 100 деревьев регрессии с помощью всех измерений.
rng(1) % For reproducibility
Mdl = TreeBagger(100,X,Y);Также можно использовать fitrensemble, чтобы вырастить мешок деревьев регрессии.
Mdl является объектом модели TreeBagger. Mdl.Trees хранит мешок 100 обученных деревьев регрессии в 100 1 массиве ячеек. Таким образом, каждая ячейка в Mdl.Trees содержит объект модели CompactRegressionTree.
Просмотрите график 10-го дерева регрессии в сумке.
Tree10 = Mdl.Trees{10};
view(Tree10,'Mode','graph');
По умолчанию программное обеспечение выращивает глубокие деревья для мешков деревьев.
Загрузите набор данных carsmall. Рассмотрите модель, которая объясняет экономию топлива автомобиля (MPG) с помощью его веса (Weight) и количество цилиндров (Cylinders).
load carsmall
X = [Weight Cylinders];
Y = MPG;Повысьте ансамбль 100 деревьев регрессии с помощью всех измерений.
Mdl = fitrensemble(X,Y,'Method','LSBoost');
Mdl является объектом модели RegressionEnsemble. Mdl.Trained хранит ансамбль 100 обученных деревьев регрессии в 100 1 массиве ячеек. Таким образом, каждая ячейка в Mdl.Trained содержит объект модели CompactRegressionTree.
Просмотрите график 10-го дерева регрессии в ансамбле.
Tree10 = Mdl.Trained{10};
view(Tree10,'Mode','graph');
По умолчанию fitrensemble 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 fitrensemble 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')