视图

视图的文本和图形显示一个训练有素的分类树。

加载费雪的虹膜数据集。

负载fisheriris

训练一个分类树使用所有测量。

Mdl = fitctree(量、种类);

训练有素的分类树视图文本显示。

视图(Mdl)

决策树分类1如果x3 < 2.45然后节点2 elseif x3 > = 2.45那么其他节点3 setosa 2类= setosa 3如果x4 < 1.75然后节点4 elseif x4 > = 1.75节点5其他杂色的4如果x3 < 4.95然后节点6 elseif x3 > = 4.95节点7其他杂色的5类= virginica 6如果x4 < 1.65然后节点elseif 8 x4 > = 1.65那么其他节点9杂色的7类= virginica 8类= = virginica杂色的9类

查看训练分类树的图形化显示。

视图(Mdl,“模式”,“图”);

加载费雪的虹膜数据集。

负载fisheriris

长一袋100分类树使用所有测量。

rng (1)%的再现性Mdl = TreeBagger(100量,物种);

或者,您可以使用fitcensemble一袋分类树生长。

Mdl是一个TreeBagger模型对象。Mdl.Trees存储袋在100 - 100训练有素的分类树- 1单元阵列。也就是说,每一个细胞Mdl.Trees包含一个CompactClassificationTree模型对象。

查看图10分类树的袋子。

Tree10 = Mdl.Trees {10};视图(Tree10,“模式”,“图”);

默认情况下,软件变得深树袋树。

加载费雪的虹膜数据集。

负载fisheriris

提高使用所有测量100分类树的合奏。指定树桩作为弱的学习者。

t = templateTree (“MaxNumSplits”1);Mdl = fitcensemble(量、种类、“方法”,“AdaBoostM2”,“学习者”t);

Mdl是一个ClassificationEnsemble模型对象。Mdl.Trained商店100年乐团训练分类树在100 - 1单元阵列。也就是说,每一个细胞Mdl.Trained包含一个CompactClassificationTree模型对象。

查看图10分类树的合奏。

Tree10 = Mdl.Trained {10};视图(Tree10,“模式”,“图”);

图显示了一个树桩,因为你指定的树桩作为整体疲软的学习者。然而,这种行为不是默认的fitcensemble。默认情况下,fitcensemble树木生长浅了乐团的树木。也就是说,“学习者”是templateTree (MaxNumSplits, 10)。