Main Content

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 (R2021a 以降)

関数

すべて展開する

fitctreeマルチクラス分類用の二分決定木を当てはめる
compact分類木モデルのサイズの縮小
prune分類木の枝刈りによる分類部分木のシーケンスの生成
cvloss分類木モデルの交差検証による分類誤差
limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
nodeVariableRange決定木ノードの変数範囲の取得 (R2020a 以降)
partialDependence部分依存の計算 (R2020b 以降)
permutationImportancePredictor importance by permutation (R2024a 以降)
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
predictorImportanceEstimates of predictor importance for classification tree
shapleyシャープレイ値 (R2021a 以降)
surrogateAssociation分類木における代理分岐に対する関連性の平均予測尺度
viewView classification tree
crossval機械学習モデルの交差検証
kfoldEdge交差検証済み分類モデルの分類エッジ
kfoldLoss交差検証済み分類モデルの分類損失
kfoldMargin交差検証済み分類モデルの分類マージン
kfoldPredict交差検証済み分類モデルの観測値の分類
kfoldfun分類での関数の交差検証
loss分類木モデルの分類損失
resubLoss分類木モデルの再代入分類損失
compareHoldout新しいデータを使用して 2 つの分類モデルの精度を比較
edgeClassification edge for classification tree model
marginClassification margins for classification tree model
resubEdge分類木モデルの再代入分類エッジ
resubMargin分類木モデルの再代入分類マージン
testckfold交差検証の反復により 2 つの分類モデルの精度を比較
predict分類木モデルを使用したラベルの予測
resubPredict再代入による分類木の観測値の分類
gatherGPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集 (R2020b 以降)

オブジェクト

ClassificationTreeBinary decision tree for multiclass classification
CompactClassificationTreeコンパクトな分類木
ClassificationPartitionedModelCross-validated classification model

トピック