回帰木

回帰用の二分決定木

対話的に回帰木を成長させるには，回帰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fitrtreeを使用して回帰木を成長させます。回帰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応答を予測します。

アプリ

教師あり機械学習を使用して，デ，タを予測するように回帰モデルに学習をさせる

回帰木モデルの使用による応答の予測

`石灰`	局部可解释模型不可知解释(LIME)
`nodeVariableRange`	決定木ノ，ドの変数範囲の取得
`partialDependence`	部分従属の計算
`plotPartialDependence`	部分依存プロット(pdp)および個別条件付き期待値(ice)プロットの作成
`predictorImportance`	回帰木の予測子の重要度の推定
`surrogateAssociation`	回帰木における代理分岐に対する関連性の平均予測尺度
`沙普利`	シャプレ値
`视图`	回帰木の表示

`crossval`	交差検証を使用した決定木
`cvloss`	交差検証による回帰誤差
`kfoldfun`	回帰での関数の交差検証
`kfoldPredict`	交差検証済み回帰モデル内の観測値に対する応答の予測
`kfoldLoss`	交差検証された分割済みの回帰モデルの損失

`损失`	回帰誤差
`resubLoss`	再代入による回帰誤差

`预测`	回帰木の使用による応答の予測
`resubPredict`	リの再代入応答の予測

`收集`	Gpuからの统计和机器学习工具箱オブジェクトのプロパティの収集

`RegressionTree`	回帰木
`CompactRegressionTree`	コンパクトな回帰木
`RegressionPartitionedModel`	交差検証済みの回帰モデル

回帰学習器アプリを使用して回帰木に学習をさせる
回帰木を作成および比較し，新しいデタにいて予測を行うため学習済みモデルをエクスポトします。
教師あり学習のワ，クフロ，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
決定木にいて，および決定木をデタにあてはめる方法にいて理解します。
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cartアルゴリズムを学習デ，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。
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，タに対する応答を予測してから，結果をプロットします。
RegressionTree预测ブロックの使用による応答の予測
この例ではRegressionTree预测ブロックを仿真软件®の応答金宝app予測に使用する方法を示します。