ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

分類木

マルチクラス学習用の二分決定木

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、コマンド ライン インターフェイスで fitctree を使用して分類木を成長させることができます。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

関数

fitctree マルチクラス分類用のバイナリ分類決定木の近似
predict 分類木の使用によるラベルの予測
templateTree 決定木テンプレートの作成

クラス

ClassificationTree 分類に使用される二分決定木
CompactClassificationTree コンパクトな分類木
ClassificationPartitionedModel 交差検定分類モデル

例および操作のヒント

分類学習器アプリを使用した決定木の学習

分類木に学習をさせる方法を学びます。

分類木の学習

標本データを使用して分類木に学習をさせます。

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。

分類木および回帰木の改善

fitctreefitrtree で名前と値のペアを設定することにより木を調整します。

概念

決定木とは

決定木は決定の連環に基づいて応答を予測します。

カテゴリカル予測子の分割

分類木が成長する場合、多くのレベルが含まれるカテゴリカル予測子に最適なバイナリ分割を見つけることは、連続予測子の分割を見つけるよりも計算がはるかに難しくなります。このタスクには、いくつかのヒューリスティックなアルゴリズムを使用できます。

この情報は役に立ちましたか?