Деревья принятия решений или деревья классификации и деревья регрессии предсказывают ответы на данные. Чтобы предсказать ответ, следуйте решениям в дереве от корневого (начального) узла до конечного узла. Конечный узел содержит ответ. Деревья классификации дают номинальные ответы, такие как 'true' или 'false'. Деревья регрессии дают числовые отклики.
Деревья Toolbox™ статистики и машинного обучения являются двоичными. Каждый шаг в прогнозе включает в себя проверку значения одного предсказателя (переменной). Например, вот простое дерево классификации:
Это дерево предсказывает классификации на основе двух предикторов, x1 и x2. Чтобы предсказать, начните с верхнего узла, представленного треугольником (Δ). Первое решение: x1 меньше, чем 0.5. Если да, следуйте за левой ветвью и увидите, что дерево классифицирует данные как тип 0.
Если, однако, x1 превышает 0.5, затем перейдите по правой ветви к узлу нижнего правого треугольника. Здесь дерево спрашивает, x2 меньше, чем 0.5. Если да, то следуйте за левой ветвью, чтобы увидеть, что дерево классифицирует данные как тип 0. Если нет, следуйте за правой ветвью, чтобы увидеть, что дерево классифицирует данные как тип 1.
Сведения о подготовке данных для классификации или регрессии с использованием деревьев принятия решений см. в разделе Шаги в контролируемом обучении.
В этом примере показано, как обучить дерево классификации.
Создание дерева классификации с использованием всего ionosphere набор данных.
load ionosphere % Contains X and Y variables Mdl = fitctree(X,Y)
Mdl =
ClassificationTree
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: {'b' 'g'}
ScoreTransform: 'none'
NumObservations: 351
Properties, Methods
В этом примере показано, как обучить дерево регрессии.
Создание дерева регрессии с использованием всех наблюдений в carsmall набор данных. Рассмотрим Horsepower и Weight векторы как переменные предиктора и MPG вектор в качестве ответа.
load carsmall % Contains Horsepower, Weight, MPG X = [Horsepower Weight]; Mdl = fitrtree(X,MPG)
Mdl =
RegressionTree
ResponseName: 'Y'
CategoricalPredictors: []
ResponseTransform: 'none'
NumObservations: 94
Properties, Methods
[1] Брейман, Л., Дж. Х. Фридман, Р. А. Ольшен и К. Дж. Стоун. Деревья классификации и регрессии. Бока Ратон, Флорида: Чепмен энд Холл, 1984.
ClassificationTree | fitctree | fitrtree | RegressionTree