決定木

決定木,つまり分類木と回帰木は,データに対する応答を予測します。応答を予測するには,ツリーのルート(開始)ノードから葉ノードの方向に意思決定を行います。葉ノードには応答が含まれます。分類木は,“真正的”または“假”などのノミナルな応答を出力します。回帰木は数値的な応答を出力します。

统计和机器学习工具箱™のツリーは二分木です。予測の各段階では1つの予測子(変数)について値のチェックが行われます。たとえば,次の図は単純な分類木を示しています。

このツリーでは2つの予測子x1とx2に基づいて分類を予測します。予測は,三角形(Δ)で表されたトップノードから開始されます。最初に,x1が0．5より小さいかどうかを判断します。小さい場合には左に分岐して,ツリーはデータを0というタイプに分類します。

ただし,x1が0．5を超える場合には右側に分岐して,右下にある三角形で表されたノードに到達します。ここでは,x2が0．5より小さいかどうかが問題になります。小さい場合には左に分岐して,ツリーはデータを0というタイプに分類します。それ以外の場合には右に分岐して,ツリーはデータを1というタイプに分類します。

決定木を使用して分類または回帰用にデータを用意する方法については,教師あり学習のステップを参照してください。

负载电离层%包含X和Y变量Mdl = fitctree (X, Y)

Mdl = ClassificationTree ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' ' 'g'} ScoreTransform: 'none' NumObservations: 351属性，方法

负载carsmall%包含马力，重量，MPGX =[马力重量];Mdl = fitrtree (X,英里/加仑)

Mdl = RegressionTree ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none' NumObservations: 94属性，方法

参考

fitctree|fitrtree|ClassificationTree|RegressionTree

関連するトピック

• 決定木の表示
• 決定木の成長
• 分類木と回帰木を使用した予測
• 分類木および回帰木の改善