生长决策树- MATLAB和Simulink - MathWorks金宝app瑞士 - 金宝app,下载188bet金宝搏,金宝搏官方网站

种植决策树

默认情况下,fitctree而且fitrtree使用标准车算法[1]创建决策树。也就是说，它们执行以下步骤:

从所有输入数据开始，检查每个预测器上所有可能的二进制分割。
选择具有最佳优化准则的分割。
- 拆分可能导致子节点的观测值过少(小于MinLeafSize参数)。为了避免这种情况，软件选择产生最佳优化准则的分割MinLeafSize约束。
强制分割。
对两个子节点进行递归重复。

说明还需要两项:优化准则的描述和停止规则的描述。

停止规则:当下列任何一种情况发生时停止分裂:

节点为纯．
- 对于分类，如果一个节点只包含一个类的观察值，那么它就是纯节点。
- 对于回归，如果该节点中观测到的响应的均方误差(MSE)低于整个数据中观测到的响应的均方误差(MSE)乘以每个节点的二次误差容差(QuadraticErrorTolerance参数)。
少于MinParentSize这个节点的观察结果。
对该节点施加的任何分割都会产生小于的子节点MinLeafSize观察。
算法分裂MaxNumSplits节点。

优化准则:

回归:均方误差(MSE)。选择一个分割来最小化预测相对于训练数据的MSE。
分类:三种措施之一，取决于设置SplitCriterion名称-值对:
- gdi的(默认的基尼多样性指数)
- “两个”
- “异常”
详细信息请参见ClassificationTree更多关于．

有关其他分离预测器选择技术，请参见选择分裂预测器选择技术．

对于连续预测器，树可以在为该预测器找到的任何两个相邻的唯一值之间分割一半。对于分类预测器l级别，一个分类树需要考虑2^l1-1分割来找到最佳分割。或者，您可以选择启发式算法来找到一个好的分割，如中所述分类树中的分类预测符拆分．

对于双核及以上系统，fitctree而且fitrtree并行训练决策树使用英特尔^®线程构建块(TBB)。有关Intel TBB的详细信息，请参见https://www.intel.com/content/www/us/en/developer/tools/oneapi/onetbb.html．

[1]布雷曼，L. J. H.弗里德曼，R. A.奥尔申和C. J.斯通。分类和回归树。佛罗里达州博卡拉顿:查普曼和霍尔，1984年。