包裹:classreg.learning.classif
紧凑型分类树
精简版的分类树(类的)ClassificationTree
).Compact版本不包括培训分类树的数据。因此,您无法使用紧凑型分类树执行一些任务,例如交叉验证。使用紧凑型分类树来进行新数据的预测(分类)。
从完整的决策树构造一个紧凑的决策树。Ctree.
=紧凑(树
)
|
使用 |
|
分类预测指标,指定为一个正整数向量。 |
|
一个N- 2个单元格阵列,其中N分类分割的数量在吗 |
|
一个N-by-2数组,其中包含每个节点的子节点编号 |
|
一个N——- - - - - -K.节点的类数组计数 |
|
中的元素列表 如果属性的值至少有一个长度维度K., 然后 |
|
一个N——- - - - - -K.节点的类概率数组 |
|
方矩阵,在哪里 |
|
一个N中分支使用的类别的单元格数组
|
|
一个N元素向量的值用作切入点
|
|
一个N-Element Cell阵列,指示每个节点处的切口类型
|
|
一个N- 用于在每个节点中用于分支的变量的名称的单元格数组
|
|
一个N中的每个节点中用于分支的变量的数字索引数组 |
|
扩展的预测器名称,存储为字符向量的单元格数组。 如果模型使用对分类变量的编码,那么 |
|
一个N元素逻辑向量 |
|
一个N-element cell array,每个节点中最可能类的名称 |
|
一个N中节点误差的元素向量 |
|
一个N- 节点概率的单个矢量 |
|
一个N-element vector的树是树中的节点的风险,其中N为节点数。每个节点的风险是由节点概率加权的该节点的杂质(GINI指数或偏差)的量度。如果树的增长,则每个节点的风险为零。 |
|
一个N中的节点大小的元素向量 |
|
节点的数量 |
|
一个N-Element矢量包含每个节点的父节点的数量 |
|
预测器变量的一个小区数组,按照它们出现的顺序 |
|
每个班级的先前概率的数字矢量。元素的顺序 |
|
数值矢量与每个修剪水平的一个元素。如果修剪级别范围为0到m, 然后 |
|
一个N-element数字矢量与每个节点的修剪级别 |
|
描述响应变量的字符向量 |
|
用于转换分数的函数句柄,或表示内置转换函数的字符向量。 添加或更改 ctree.scoretransform ='函数”或ctree。ScoreTransform = @函数 |
|
一个N- 用于代理分裂的类别的单元格阵列 |
|
一个N用于代理拆分的数字切割赋值的单元格数组 |
|
一个N用于代理的数值的单元格数组 |
|
一个N-element小区阵列,指示每个节点处的代理分裂类型 |
|
一个N中每个节点中用于代理分割的变量名的单元格数组 |
|
一个N-Element Cell阵列的代理分裂关联的预测措施 |
价值。要了解值类如何影响复制操作,请参见复制对象.