分类树
对于多类学习二进制决策树
要交互长出了分类树，使用分类学习应用程序。对于更大的灵活性，使用长分类树fitctree在命令行。越来越多的分类树后，由树和新的预测数据传递给预测标签预测。
应用
| 分类学习 | 使用监督机器学习模型火车来分类数据 |
功能
类
ClassificationTree |
二进制决策树多类分类 |
CompactClassificationTree |
紧凑型分类树 |
ClassificationPartitionedModel |
交叉验证分类模型 |
主题
创建和比较分类树，出口训练的模型来为新数据的预测。
了解监督学习的步骤和非参数分类和回归的功能特性。
了解决策树和如何将它们装配到的数据。
增长决策树，fitctree和fitrtree默认情况下，标准CART算法应用于训练数据。
创建和查看训练有素的判断树的文本或图形描述。
这个例子说明了如何为可视化不同分类算法的决定表面。
了解与多层次最佳分裂分类变量的启发式算法，而不断增长的决策树。
通过设置名称 - 值对的参数调树木fitctree和fitrtree。
预测类标签或使用训练的分类和回归树的响应。
预测使用受训回归树新数据的反应，然后绘制出结果。
您还可以选择从下面的列表中的网站：
