このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
分類木
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 predict に渡してラベルを予測します。
アプリ
| 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 |
ブロック
| ClassificationTree Predict | 決定木分類器の使用による観測値の分類 |
関数
オブジェクト
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 |
トピック
- 分類学習器アプリを使用した決定木の学習
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。
- 教師あり学習のワークフローとアルゴリズム
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
決定木について、および決定木をデータに当てはめる方法について理解します。
- 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ータに適用します。 - 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。
- 各種分類器の決定面の可視化
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。
- 分類木のカテゴリカル予測子の分割
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。
- 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 Predict 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 Predict ブロックをラベル予測に使用する。
- 固定小数点展開用の行動認識 Simulink モデル
固定小数点展開用に準備された Simulink® の分類モデルからコードを生成する。
- Identify Punch and Flex Hand Gestures Using Machine Learning Algorithm on Arduino Hardware (Simulink)
This example shows how to use the Simulink® Support Package for Arduino® Hardware to identify punch and flex hand gestures using a machine learning algorithm.
