分類学習器アプリを使用した決定木の学習

分類木を作成および比較し,新しいデータについて予測を行うため学習済みモデルをエクスポートします。

教師あり学習のワークフローとアルゴリズム

教師あり学習の手順とノンパラメトリック分類および回帰関数の特性を理解します。

決定木

決定木について,および決定木をデータにあてはめる方法について理解します。

決定木の成長

既定の設定では,fitctreeとfitrtreeは決定木を成長させるために標準购物车アルゴリズムを学習データに適用します。

決定木の表示

学習済みの決定木のテキストまたはグラフィック表現を作成および表示します。

各種分類器の決定面の可視化

この例では,各種の分類アルゴリズムについて決定面を可視化する方法を示します。

分類木のカテゴリカル予測子の分割

決定木を成長させるときに,多数のレベルがあるカテゴリカル変数を最適な方法で分割する,ヒューリスティックアルゴリズムについて学びます。

分類木および回帰木の改善

fitctreeとfitrtreeで名前と値のペアの引数を設定することによって,木を調整します。

分類木と回帰木を使用した予測

学習済みの分類木と回帰木を使用してクラスラベルまたは応答を予測します。

部分木の標本外応答の予測

学習済みの回帰木を使用して新しいデータに対する応答を予測してから,結果をプロットします。

ClassificationTree预测ブロックの使用によるクラスラベルの予測

分類学習器アプリを使用して分類決定木モデルの学習を行い,ClassificationTree预测ブロックをラベル予測に使用する。