Чтобы интерактивно вырастить дерево регрессии, используйте приложение Regression Learner. Для большей гибкости создайте дерево регрессии с помощью fitrtree в командной строке. После роста дерева регрессии прогнозируйте ответы, передавая дерево и новые данные предиктора в predict.
| Обучающийся регрессии | Обучение регрессионных моделей прогнозированию данных с использованием контролируемого машинного обучения |
| Прогнозирование дерева RegingedTree | Прогнозирование ответов с использованием модели регрессионного дерева |
RegressionTree | Регрессионное дерево |
CompactRegressionTree | Компактное дерево регрессии |
RegressionPartitionedModel | Модель перекрестной регрессии |
Обучение деревьев регрессии с помощью приложения для обучающихся регрессиям
Создание и сравнение деревьев регрессии 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.
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.
Прогнозирование ответов с помощью блока прогнозирования дерева RegingTree
В этом примере показано, как использовать блок прогнозирования RegingTree для прогнозирования ответа в Simulink ® .