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。
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。
この例では,分類木に学習をさせる方法を示します。
电离层
データセット全体を使用して分類木を作成します。
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
この例では,回帰木に学習をさせる方法を示します。
carsmall
データセットの観測値をすべて使用して回帰木を作成します。ベクトル马力
および重量
が予測子変数,ベクトル英里/加仑
が応答であると考えます。
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
布雷曼,J. H. Friedman, R. A. Olshen, C. J. Stone。分类和回归树。佛罗里达州博卡拉顿:查普曼和霍尔,1984年。
fitctree
|fitrtree
|ClassificationTree
|RegressionTree