Чтобы интерактивно вырастить дерево классификации, используйте приложение Classification Learner. Для большей гибкости увеличьте дерево классификации с помощью fitctree в командной строке. После роста дерева классификации спрогнозируйте метки, передавая дерево и новые данные предиктора в predict.
| Классификатор | Обучение моделей классификации данных с помощью контролируемого машинного обучения |
| Прогнозирование по древовидной структуре | Классифицировать наблюдения с помощью классификатора дерева решений |
ClassificationTree | Двоичное дерево решений для многоклассовой классификации |
CompactClassificationTree | Компактное дерево классификации |
ClassificationPartitionedModel | Модель классификации с перекрестной проверкой |
Обучение деревьев принятия решений с помощью приложения Classification Learner
Создание и сравнение деревьев классификации и экспорт обученных моделей для прогнозирования новых данных.
Контролируемый рабочий процесс и алгоритмы обучения
Понять шаги для контролируемого обучения и характеристики непараметрической классификации и регрессионных функций.
Понимание деревьев принятия решений и их соответствия данным.
Растущие деревья принятия решений
Чтобы вырастить деревья принятия решений, fitctree и fitrtree применить стандартный алгоритм CART по умолчанию к данным обучения.
Создание и просмотр текстового или графического описания обученного дерева решений.
Визуализация поверхностей принятия решений различных классификаторов
В этом примере показано, как визуализировать поверхность принятия решения для различных алгоритмов классификации.
Разделение категориальных предикторов в деревьях классификации
Узнайте о эвристических алгоритмах оптимального разделения категориальных переменных на множество уровней при выращивании деревьев решений.
Улучшение классификационных деревьев и регрессионных деревьев
Настройка деревьев путем установки аргументов пары имя-значение в fitctree и fitrtree.
Прогнозирование с использованием деревьев классификации и регрессии
Прогнозирование меток классов или ответов с использованием обученных деревьев классификации и регрессии.
Прогнозирование выбывающих ответов поддеревьев
Спрогнозируйте ответы для новых данных с помощью обученного дерева регрессии, а затем постройте график результатов.
Спрогнозировать метки классов с помощью блока ForcedTree Predict
Обучите модель дерева принятия решений по классификации с помощью приложения Classification Learner, а затем используйте блок ClassionTree Predict для прогнозирования меток.