このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
対話的に分類木を成長させるには,分類学習器アプリを使用します。柔軟性を向上させるためには,コマンドラインでfitctree
を使用して分類木を成長させます。分類木を成長させた後で、木と新しい予測子データを预测
に渡してラベルを予測します。
分類学習器 | 教師あり機械学習を使用して,データを分類するようにモデルを学習させる |
ClassificationTree预测 | 決定木分類器の使用による観測値の分類 |
ClassificationTree |
マルチクラス分類用の二分決定木 |
CompactClassificationTree |
コンパクトな分類木 |
ClassificationPartitionedModel |
交差検証分類モデル |
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。
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。
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。
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。
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。
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。
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。
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。