ClassificationTree类
二叉决策树的多类分类
描述
一个ClassificationTree
对象表示一个决策树分类的二元分裂。这个类的对象可以预测反应的新数据使用预测
方法。对象包含数据用于训练,所以它也可以计算resubstitution预测。
建设
创建一个ClassificationTree
对象的使用fitctree
。
属性
|
本数值预测边缘,指定的单元阵列p数值向量,p预测的数量。每个向量包括箱子边缘数值预测。单元阵列中的元素分类预测是空的,因为软件不本分类预测。 软件垃圾箱只有指定数值预测 你可以复制被预测数据 X = mdl.X;%预测数据Xbinned = 0(大小(X));边缘= mdl.BinEdges;%找到被预测的指标。idxNumeric =找到(~ cellfun (@isempty边缘));如果iscolumn idxNumeric idxNumeric = idxNumeric ';对j = idxNumeric x = x (:, j);% x转换为数组如果x是一个表。如果istable (x) x = table2array (x);组x %到垃圾箱使用结束
Xbinned 包含本指标,从1到垃圾箱的数量,数值预测。Xbinned 分类预测的值是0。如果X 包含南 年代,那么相应的Xbinned 值是南 年代。 |
|
分类预测指标,指定为一个向量的正整数。 |
|
一个n2单元阵列, |
|
一个n2数组包含每个节点的子节点的数量 |
|
一个n——- - - - - -k数组的类数的节点 |
|
元素的列表 |
|
一个n——- - - - - -k数组的类节点的概率 |
|
方阵, |
|
一个n2单元阵列在分支机构使用的类别
|
|
一个n元向量的值用作切割点
|
|
一个n元胞数组表示将在每个节点的类型
|
|
一个n元胞数组的变量的名称用于分支在每个节点
|
|
一个n使用有效的数字索引数组变量中每个节点的分支 |
|
扩展预测名称,存储单元阵列的特征向量。 如果分类变量的模型使用的编码,那么 |
|
描述hyperparameters交叉验证优化的存储为一个
|
|
一个n元逻辑向量 |
|
在培训中使用的参数 |
|
在训练数据的观察,一个数字标量。 |
|
一个n元胞数组的名字在每个节点的最可能的类 |
|
一个n元向量的节点的错误 |
|
一个n元向量的节点的概率 |
|
一个n元向量的风险树中的节点,在哪里n节点的数量。每个节点的风险是杂质的测量(基尼系数或异常)为该节点通过节点概率加权。如果两个种植这棵树,每个节点的风险为零。 |
|
一个n元向量的节点的大小 |
|
节点的数量 |
|
一个n元向量包含每个节点的父节点的数量 |
|
单元阵列包含预测的特征向量的名字,它们出现的顺序 |
|
每个类的先验概率数值向量。元素的顺序 |
|
每修剪水平数值向量和一个元素。如果修剪水平范围从0到米,然后 |
|
一个n元数值向量的每个节点修剪水平 |
|
一个特征向量指定响应变量的名称( |
|
一个n元逻辑向量表示哪些行最初的预测数据( |
|
函数处理转换分类预测分数,或字符向量代表一个内置的变换函数。
改变分数转换函数,例如,
|
|
一个n元胞数组的类别用于替代分裂 |
|
一个n元胞数组的数值减少作业用来替代分裂 |
|
一个n元胞数组的数值用于替代分裂 |
|
一个n元胞数组表示类型的代理将在每个节点 |
|
一个n元胞数组的变量的名称用于代理在每个节点分裂 |
|
一个n元胞数组的代理将协会的预测措施 |
|
的比例 |
|
一个矩阵或表的预测价值。每一列的 |
|
绝对数组,单元阵列的特征向量,字符数组,逻辑向量,或一个数值向量。每一行的 |
对象的功能
紧凑的 |
紧凑的树 |
compareHoldout |
比较两种分类模型使用新数据的精度 |
crossval |
旨在决策树 |
cvloss |
通过交叉验证分类错误 |
边缘 |
分类的优势 |
收集 |
收集的属性统计和机器学习工具对象从GPU |
石灰 |
本地可model-agnostic解释(石灰) |
损失 |
分类错误 |
保证金 |
分类的利润率 |
nodeVariableRange |
检索变量决策树节点的范围 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
预测 |
预测使用分类树标签 |
predictorImportance |
估计预测重要的分类树 |
修剪 |
生产序列分类树的修剪 |
resubEdge |
分类边缘resubstitution |
resubLoss |
由resubstitution分类错误 |
resubMargin |
分类利润resubstitution |
resubPredict |
预测resubstitution标签的分类树 |
沙普利 |
沙普利值 |
surrogateAssociation |
意味着预测衡量代理协会分类树的分裂 |
testckfold |
比较两种分类模型的精度重复交叉验证 |
视图 |
视图分类树 |
复制语义
价值。学习如何价值类影响复制操作,明白了复制对象。
例子
更多关于
引用
[1]Breiman, L。,J. Friedman, R. Olshen, and C. Stone.分类和回归树。波卡拉顿,FL: CRC出版社,1984年。