Деревья классификации

Деревья выбора из двух альтернатив для изучения мультикласса

Чтобы в интерактивном режиме вырастить дерево классификации, используйте приложение Classification Learner. Для большей гибкости вырастите дерево классификации использование fitctree в командной строке. После роста дерева классификации предскажите метки путем передачи древовидных и новых данных о предикторе predict.

Приложения

Classification LearnerОбучите модели классифицировать данные с помощью машинного обучения с учителем

Функции

развернуть все

fitctreeПодходящее дерево выбора из двух альтернатив для классификации мультиклассов
compactКомпактное дерево
pruneПроизведите последовательность поддеревьев классификации путем сокращения
cvlossОшибка классификации перекрестной проверкой
predictorImportanceОценки важности предиктора для дерева классификации
surrogateAssociationОзначайте прогнозирующую меру ассоциации для суррогатных разделений в дереве классификации
viewПросмотрите дерево классификации
crossvalПерекрестное подтвержденное дерево решений
kfoldEdgeРебро классификации для наблюдений, не используемых в обучении
kfoldLossПотеря классификации для наблюдений, не используемых в обучении
kfoldfunКрест подтверждает функцию
kfoldMarginПоля классификации для наблюдений, не используемых в обучении
kfoldPredictПредскажите ответ для наблюдений, не используемых в обучении
lossОшибка классификации
resubLossОшибка классификации перезаменой
compareHoldoutСравните точность двух моделей классификации с помощью новых данных
edgeРебро классификации
marginПоля классификации
resubEdgeРебро классификации перезаменой
resubMarginПоля классификации перезаменой
predictПредскажите метки с помощью дерева классификации
resubPredictПредскажите метки перезамены дерева классификации

Классы

ClassificationTreeДерево выбора из двух альтернатив для классификации мультиклассов
CompactClassificationTreeКомпактное дерево классификации
ClassificationPartitionedModelПерекрестная подтвержденная модель классификации

Темы

Обучите деревья решений Используя приложение Classification Learner

Создайте и сравните деревья классификации и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Контролируемое изучение рабочего процесса и алгоритмов

Изучите шаги для контролируемого изучения и характеристик непараметрической классификации и функций регрессии.

Деревья решений

Изучите деревья решений и как соответствовать им к данным.

Рост деревьев решений

Выращивать деревья решений, fitctree и fitrtree примените стандартный алгоритм CART по умолчанию к обучающим данным.

Просмотрите дерево решений

Создайте и просмотрите текст или графическое описание обученного дерева решений.

Визуализируйте поверхности решения различных классификаторов

В этом примере показано, как визуализировать поверхность решения для различных алгоритмов классификации.

Разделение категориальных предикторов в деревьях классификации

Узнайте об эвристических алгоритмах для того, чтобы оптимально разделить категориальные переменные со многими уровнями при росте деревьев решений.

Улучшение деревьев классификации и деревьев регрессии

Настройте деревья путем установки аргументов пары "имя-значение" в fitctree и fitrtree.

Предсказание Используя деревья классификации и регрессии

Предскажите метки класса или ответы с помощью обученной классификации и деревьев регрессии.

Предскажите ответы из выборки поддеревьев

Предскажите ответы для новых данных с помощью обученного дерева регрессии, и затем постройте результаты.

Для просмотра документации необходимо авторизоваться на сайте