Просмотрите текстовые и графические отображения обученного дерева классификации.

Загрузите набор данных радужки Фишера.

load fisheriris

Обучите классификационное дерево с помощью всех измерений.

Mdl = fitctree(meas,species);

Просмотрите текстовое отображение обученного дерева классификации.

view(Mdl)

Decision tree for classification
1  if x3<2.45 then node 2 elseif x3>=2.45 then node 3 else setosa
2  class = setosa
3  if x4<1.75 then node 4 elseif x4>=1.75 then node 5 else versicolor
4  if x3<4.95 then node 6 elseif x3>=4.95 then node 7 else versicolor
5  class = virginica
6  if x4<1.65 then node 8 elseif x4>=1.65 then node 9 else versicolor
7  class = virginica
8  class = versicolor
9  class = virginica

Просмотр графического отображения обученного дерева классификации.

view(Mdl,'Mode','graph');

Загрузите набор данных радужки Фишера.

load fisheriris

Выращивайте сумку из 100 деревьев классификации, используя все измерения.

rng(1) % For reproducibility
Mdl = TreeBagger(100,meas,species);

Также можно использовать fitcensemble выращивать мешок классификационных деревьев.

Mdl является TreeBagger объект модели. Mdl.Trees сохраняет пакет из 100 обученных деревьев классификации в массиве ячеек 100 на 1. То есть каждая камера в Mdl.Trees содержит CompactClassificationTree объект модели.

Просмотрите график 10-го дерева классификации в сумке.

Tree10 = Mdl.Trees{10};
view(Tree10,'Mode','graph');

По умолчанию программа выращивает глубокие деревья для мешков с деревьями.

Загрузите набор данных радужки Фишера.

load fisheriris

Повысьте ансамбль из 100 классификационных деревьев, используя все измерения. Задайте древовидные пни как слабые ученики.

t = templateTree('MaxNumSplits',1);
Mdl = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Mdl является ClassificationEnsemble объект модели. Mdl.Trained хранит ансамбль из 100 обученных классификационных деревьев в массиве ячеек 100 на 1. То есть каждая камера в Mdl.Trained содержит CompactClassificationTree объект модели.

Просмотр графика 10-го классификационного дерева в ансамбле.

Tree10 = Mdl.Trained{10};
view(Tree10,'Mode','graph');

На графике показан пень дерева, потому что вы указали пни как слабых учащихся для ансамбля. Однако это поведение не является поведением по умолчанию для fitcensemble. По умолчанию fitcensemble выращивает мелкие деревья для оживленных ансамблей деревьев. То есть 'Learners' является templateTree('MaxNumSplits',10).