CompactClassificationTree

パッケージ: classreg.learning.classif

コンパクトな分類木

説明

コンパクトなバージョンの分類木 (クラスは ClassificationTree)。コンパクトなバージョンには、分類木の学習のためのデータが含まれません。そのため、コンパクトな分類木では、交差検証などの一部のタスクを実行できません。コンパクトな分類木は、新しいデータの予測 (分類) を行うために使用してください。

構築

ctree = compact(tree) は、完全な決定木からコンパクトな決定木を構築します。

入力引数

tree

fitctree を使用して構築された決定木。

プロパティ

`CategoricalPredictors`	カテゴリカル予測子のインデックス。正の整数のベクトルとして指定します。`CategoricalPredictors` には、対応する予測子がカテゴリカルであることを示すインデックス値が格納されます。インデックス値の範囲は 1 ～ `p` です。`p` はモデルの学習に使用した予測子の数です。どの予測子もカテゴリカルではない場合、このプロパティは空 (`[]`) になります。
`CategoricalSplit`	n 行 2 列の cell 配列。ここで `n` は、`tree` 内のカテゴリカル分割の数です。`CategoricalSplit` の各行は、カテゴリカル分割用の左と右の値になります。カテゴリカル予測子変数 `z` に基づくカテゴリカル分割をもつ各枝ノード `j` において、`z` が `CategoricalSplit(j,1)` にあれば左の子を選択し、`z` が `CategoricalSplit(j,2)` にあれば右の子を選択します。分割はツリーのノードと同じ順序で行われます。これらの分割用のノードは、`cuttype` を実行し `'categorical'` カットを上から下に選択すれば見つかります。
`Children`	`tree` の各ノードの子ノードの数を含む n 行 2 列の配列。ここで、n はノードの数です。葉ノードは子ノード `0` をもちます。
`ClassCount`	`tree` のノードのクラスカウントを表す n 行 k 列の配列。ここで、n はノード数、k はクラス数となります。任意のノード番号 `i` に対して、クラスカウント `ClassCount(i,:)` はノード `i` の条件を満たす各クラスからの (ツリーの近似に使用したデータからの) 観測カウント数です。
`ClassNames`	重複が削除された `Y` の要素のリスト。`ClassNames` には、数値ベクトル、カテゴリカル変数のベクトル、logical ベクトル、文字配列、文字ベクトルの cell 配列のいずれかを指定できます。`ClassNames` は、引数 `Y` のデータと同じデータ型です。(string 配列は文字ベクトルの cell 配列として扱われます)。長さが k の次元が少なくとも 1 つのプロパティの値に含まれている場合、`ClassNames` ではその次元に沿って (`Cost` や `Prior` などの) 要素の順序を指定します。
`ClassProbability`	`tree` のノードのクラス確率を表す n 行 k 列の配列。ここで、n はノード数、k はクラス数となります。任意のノード番号 `i` に対して、クラス確率 `ClassProbability(i,:)` は、ノード `i` の条件を満たすポイントに対する各クラスの推定確率です。
`Cost`	正方行列。`Cost(i,j)` は真のクラスが `i` である点をクラス `j` に分類するコストです (行は真のクラス、列は予測したクラスに対応します)。`Cost` の行と列の順序は、`ClassNames` のクラスの順序に対応します。`Cost` の行および列の数は、応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。
`CutCategories`	`tree` の分岐で使用されたカテゴリを表す n 行 2 列の cell 配列。n はノード数です。カテゴリカル予測子変数 `x` に基づく各枝ノード `i` に対して、`x` が `CutCategories{i,1}` 内のカテゴリである場合は左側の子が選択され、`x` が `CutCategories{i,2}` 内のカテゴリである場合は右側の子が選択されます。連続予測子に基づく枝ノードと葉ノードに対する `CutCategories` の列は両方とも空です。 `CutPoint` には `'continuous'` 切り取りの切り取り点が含まれ、`CutCategories` にはカテゴリセットが含まれます。
`CutPoint`	`tree` の切り取り点として使用される値を表す要素数 n のベクトル。ここで、n はノード数です。連続予測子変数 `x` に基づく各枝ノード `i` において、`x<CutPoint(i)` の場合は左側の子が選択され、`x>=CutPoint(i)` の場合は右側の子が選択されます。カテゴリカル予測子に基づく枝ノードと葉ノードに対する `CutPoint` は `NaN` です。 `CutPoint` には `'continuous'` 切り取りの切り取り点が含まれ、`CutCategories` にはカテゴリセットが含まれます。
`CutType`	`tree` の各ノードの切り取りのタイプを示す要素数 n の cell 配列。ここで、n はノード数です。各ノード `i` に対して `CutType{i}` は次のいずれかです。 `'continuous'` — 変数 `x` と切り取り点 `v` に対して、切り取りが `x < v` 形式で定義されている場合。 `'categorical'` — 変数 `x` がカテゴリセット内の値を受け取るかどうかによって切り取りが定義されている場合。 `''` — `i` が葉ノードの場合。 `CutPoint` には `'continuous'` 切り取りの切り取り点が含まれ、`CutCategories` にはカテゴリセットが含まれます。
`CutPredictor`	`tree` の各ノードの分岐に使用された変数名を示す要素数 n の cell 配列。n はノード数です。これらの変数は、"切り取り変数" と呼ばれることもあります。葉ノードの場合、`CutPredictor` には空の文字ベクトルが格納されます。 `CutPoint` には `'continuous'` 切り取りの切り取り点が含まれ、`CutCategories` にはカテゴリセットが含まれます。
`CutPredictorIndex`	`tree` の各ノードで分岐に使用される変数を対象とした、数値インデックスの n 要素配列。n はノード数です。詳細は、`CutPredictor`を参照してください。
`ExpandedPredictorNames`	展開された予測子名。文字ベクトルの cell 配列として格納されます。モデルがカテゴリカル変数用のエンコーディングを使用している場合、`ExpandedPredictorNames` には展開された変数を表す名前が格納されます。それ以外の場合、`ExpandedPredictorNames` は `PredictorNames` と同じです。
`IsBranchNode`	n 要素の logical ベクトルであり、`tree` の各枝ノードの場合は `true`、各葉ノードの場合は `false` になります。
`NodeClass`	`tree` の各ノードで最も確からしいクラスの名前と n 要素の cell 配列。ここで n はツリーのノード数を示します。この配列の各要素は、`ClassNames` に含まれているクラス名のいずれかに等しい文字ベクトルです。
`NodeError`	`tree` に含まれるノードの誤差の n 要素のベクトル。ここで、n はノード数です。`NodeError(i)` は、ノード `i` の誤分類の確率です。
`NodeProbability`	`tree` に含まれるノードの確率の n 要素のベクトル。ここで、 n はノード数です。ノードの確率は、ノードの条件を満たす元のデータから、観測の比率として計算されます。この比率は、各クラスに割り当てられている前の確率に対して調整されます。
`NodeRisk`	ツリーに含まれるノードのリスクを表す n 要素のベクトル。ここで、n はノード数です。各ノードのリスクは、ノード確率で重みが付けられたこのノードの不純度の測定基準 (ジニ指数または逸脱度) です。ツリーが twoing によって成長した場合、各ノードのリスクはゼロです。
`NodeSize`	`tree` に含まれるノードのサイズを表す n 要素のベクトル。ここで、 n はノード数です。ノードのサイズは、ノードの条件を満たすツリーを作成するために使用されるデータから、観測数として定義されます。
`NumNodes`	`tree` のノード数。
`Parent`	`tree` に含まれる各ノードの親ノードの数を含む n 要素のベクトル。ここで、n は、ノード数です。ルートノードの親は `0` です。
`PredictorNames`	予測子変数の名前の cell 配列。並びは `X` に現れる順です。
`Prior`	各クラスの事前確率の数値ベクトル。`Prior` の要素の順序は、`ClassNames` のクラスの順序に対応します。`Prior` の要素数は、応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。
`PruneAlpha`	枝刈りレベルごとに 1 つの要素をもつ数値ベクトル。枝刈りレベルの範囲が 0 ～ M の場合、`PruneAlpha` には昇順に並べ替えられた M + 1 要素が含まれます。`PruneAlpha(1)` は枝刈りレベル 0 (枝刈りなし) を表し、`PruneAlpha(2)` は枝刈りレベル 1 を表すというように続いていきます。
`PruneList`	`tree` の各ノードの枝刈りレベルをもつ n 要素の数値ベクトル。ここで n はノード数を示します。枝刈りレベルの範囲は 0 (枝刈りなし) から M です。M は最下位の葉からルートノードまでの距離です。
`ResponseName`	応答変数 `Y` を表す文字ベクトル。
`ScoreTransform`	スコア変換用の関数ハンドル、または組み込みの変換関数を表す文字ベクトル。`'none'` は変換なしを意味します。等価的には、`'none'` は `@(x)x` です。組み込みの変換関数のリストとカスタム変換関数の構文は、`fitctree` を参照してください。ドット表記を使用して関数 `ScoreTransform` を追加または変更します。 ctree.ScoreTransform = 'function' or ctree.ScoreTransform = @function
`SurrogateCutCategories`	`tree` の代理分岐に使用するカテゴリの n 要素の cell 配列。ここで n は `tree` のノード数です。各ノード `k` に対して、`SurrogateCutCategories{k}` は cell 配列です。`SurrogateCutCategories{k}` の長さは、このノードに見つかった代理予測子の数に等しくなります。`SurrogateCutCategories{k}` の各要素は、連続代理予測子の場合は空の文字ベクトル、カテゴリカル代理予測子の場合はカテゴリをもつ 2 要素 cell 配列になります。2 要素 cell 配列の最初の要素には、この代理分岐によって左の子に割り当てられたカテゴリがリストされ、この 2 要素 cell 配列の 2 番目の要素には、この代理分岐によって右の子に割り当てられたカテゴリがリストされます。各ノードの代理分岐変数の順序は、`SurrogateCutVar` に存在する変数の順序に一致します。このノードの最適分割変数は現れません。枝ではない (葉) ノードの場合、`SurrogateCutCategories` には空のセルが含まれます。
`SurrogateCutFlip`	`tree` の代理分岐に使用する数値切り取り点の n 要素の cell 配列。ここで n は `tree` のノード数です。各ノード `k` に対して、`SurrSurrogateCutFlip{k}` は数値ベクトルです。`SurrogateCutFlip{k}` の長さは、このノードに見つかった代理予測子の数に等しくなります。`SurrogateCutFlip{k}` の各要素はカテゴリカル代理予測子でゼロになるか、連続代理予測子で数値切り取り点の割り当てになります。数値切り取り点の割り当ては、-1 または +1 のいずれかになります。連続予測子変数 Z に基づく数値切り取り C が含まれるすべての代理分岐では、Z<C であり、その代理分岐の切り取りの割り当てが +1 である場合、または Z≥C であり、その代理分岐の切り取りの割り当てが -1 である場合、左の子が選択されます。同様に、Z≥C であり、その代理分岐の切り取り点割り当てが +1 である場合、または Z<C であり、その代理分岐の切り取り点が -1 である場合、右の子が選択されます。各ノードにおける代理分岐変数の順序は、`SurrogateCutPredictor` によって返される変数の順序に一致します。このノードの最適分割変数は現れません。枝ではない (葉) ノードの場合、`SurrogateCutFlip` には空の配列が含まれます。
`SurrogateCutPoint`	`tree` の代理分岐に使用される数値の n 要素の cell 配列。ここで n は `tree` のノード数です。各ノード `k` に対して、`SurrogateCutPoint{k}` は数値ベクトルです。`SurrogateCutPoint{k}` の長さは、このノードに見つかった代理予測子の数に等しくなります。`SurrogateCutPoint{k}` の各要素は、カテゴリカル代理予測子で `NaN` になるか、連続代理予測子で数値切り取り点になります。連続予測子変数 Z に基づく数値切り取り C が含まれるすべての代理分岐では、Z<C であり、その代理分岐の `SurrogateCutFlip` が +1 である場合、または Z ≥ C であり、その代理分岐の `SurrogateCutFlip` が -1 である場合、左の子が選択されます。同様に、Z≥C であり、その代理分岐の `SurrogateCutFlip` が +1 である場合、または Z<C であり、その代理分岐の `SurrogateCutFlip` が -1 である場合、右の子が選択されます。各ノードの代理分岐変数の順序は、`SurrogateCutPredictor` によって返される変数の順序に一致します。このノードの最適分割変数は現れません。枝ではない (葉) ノードの場合、`SurrogateCutPoint` には空のセルが含まれます。
`SurrogateCutType`	`tree` の各ノードの代理分岐のタイプを示す n 要素の cell 配列。ここで n は `tree` のノード数です。各ノードの `k` で、`SurrogateCutType{k}` はこのノードの代理分岐変数のタイプをもつ cell 配列です。変数は、最適予測子との結びつきの予測尺度によって降順に並べ替えられており、かつ正の予測尺度をもつ変数のみが含まれています。各ノードにおける代理分岐変数の順序は、`SurrogateCutPredictor` によって返される変数の順序に一致します。このノードの最適分割変数は現れません。枝ではない (葉) ノードの場合、`SurrogateCutType` には空のセルが含まれます。代理分岐のタイプは、切り取りが変数 `Z` に対して `Z`<`V` の形式で定義されている場合は `'continuous'` に、切り取りが `Z` がカテゴリのセットの値を取るかどうかによって定義されている場合は切り取り点 `V` または `'categorical'` のいずれかになります。
`SurrogateCutPredictor`	`tree` の各ノードで代理分岐に使用する変数の名前の n 要素の cell 配列。ここで n は `tree` のノード数です。`SurrogateCutPredictor` の各要素は、このノードの代理分岐変数の名前をもつ cell 配列です。変数は、最適予測子との結びつきの予測尺度によって降順に並べ替えられており、かつ正の予測尺度をもつ変数のみが含まれています。このノードの最適分割変数は現れません。枝ではない (葉) ノードの場合、`SurrogateCutPredictor` には空のセルが含まれます。
`SurrogatePredictorAssociation`	`tree` の代理分岐に使用する関連性予測尺度の n 要素の cell 配列。ここで n は `tree` のノード数です。各ノード `k` に対して、`SurrogatePredictorAssociation{k}` は数値ベクトルです。`SurrogatePredictorAssociation{k}` の長さは、このノードに見つかった代理予測子の数に等しくなります。`SurrogatePredictorAssociation{k}` の各要素は、最適分割とこの代理分岐間の関連性予測尺度を与えます。各ノードの代理分岐変数の順序は、`SurrogateCutPredictor` に存在する変数の順序になります。このノードの最適分割変数は現れません。枝ではない (葉) ノードの場合、`SurrogatePredictorAssociation` には空のセルが含まれます。

オブジェクト関数

`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
`edge`	分類エッジ
`gather`	GPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集
`lime`	Local Interpretable Model-agnostic Explanations (LIME)
`loss`	分類誤差
`margin`	分類マージン
`nodeVariableRange`	決定木ノードの変数範囲の取得
`partialDependence`	部分依存の計算
`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
`predict`	分類木の使用によるラベルの予測
`predictorImportance`	分類木の予測子の重要度の推定
`shapley`	シャープレイ値
`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
`update`	コード生成用にモデルパラメーターを更新
`view`	分類木の表示

コピーのセマンティクス

値。値のクラスがコピー操作に与える影響については、オブジェクトのコピーを参照してください。

例

すべて折りたたむ

コンパクトな分類木の構築

ライブスクリプトを開く

フィッシャーのアヤメのデータのコンパクトな分類木を構築します。

load fisheriris
tree = fitctree(meas,species);
ctree = compact(tree);

生成された木のサイズと元の木のサイズを比較します。

t = whos('tree'); % t.bytes = size of tree in bytes
c = whos('ctree'); % c.bytes = size of ctree in bytes
[c.bytes t.bytes]

ans = 1×2

        5097       11762

コンパクトな木は元の木より小さくなっています。

詳細

すべて展開する

不純度とノード誤差

決定木では、"不純度" または "ノード誤差" に基づいてノードを分割します。

不純度とは、SplitCriterion 名前と値のペアの引数によって、次のいずれかの意味を表します。

ジニ多様性指数 (gdi) — ノードのジニ指数は、次の式で表されます。
$1 - \sum_{i} p^{2} (i),$
ここで、合計はノードのクラス i 全体が対象であり、p(i) は、ノードに到達したクラス i をもつ観測クラスの比率です。クラスを 1 つだけもつノード ("純粋" ノード) のジニ指数は 0 です。それ以外のノードでは、ジニ指数は正の値です。したがって、ジニ指数はノードの不純度の基準です。
逸脱度 ('deviance') — ノードの逸脱度は、ジニ指数と同様に定義された p(i) を用いて次の式で表されます。
$- \sum_{i} p (i) \log_{2} p (i) .$
純粋ノードの逸脱度は 0 です。それ以外のノードでは、逸脱度は正の値です。
Twoing 規則 ('twoing') — Twoing はノードの純粋度の基準ではありませんが、ノードの分割を判断するための別の基準の 1 つです。L(i) は、分割後の左側の子ノードのクラス i のメンバーの比率を示し、R(i) は分割後の右側の子ノードのクラス i のメンバーの比率を示すとします。最大化するための分割基準を選択します。
$P (L) P (R) {(\sum_{i} | L (i) - R (i) |)}^{2},$
ここで、P(L) および P(R) は、それぞれ左側と右側に分割された観測値の比率を表します。式が大きい場合は、分割によって各子ノードの純粋度は高くなります。同様に、式が小さい場合は、分割によって各子ノードが互いに類似するようになります。このため、親ノードとも類似するようになります。分割によるノードの純粋度の向上はありませんでした。
ノード誤差 — ノード誤差はノードで誤分類されたクラスの比率です。j がノードで最大の学習標本数をもつクラスである場合は、ノード誤差は次のように表されます。
1 – p(j).

拡張機能

C/C++ コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

使用上の注意事項および制限事項:

関数 predict および update はコード生成をサポートします。
Simulink^® に分類木モデルの予測を統合するには、Statistics and Machine Learning Toolbox™ ライブラリにある ClassificationTree Predict ブロックを使用するか、MATLAB^® Function ブロックを関数 predict と共に使用します。
fitctree を使用して分類木に学習をさせる場合、以下の制限が適用されます。
- 名前と値のペアの引数 'ScoreTransform' の値を無名関数にすることはできません。固定小数点コードの生成では、'ScoreTransform' の値を 'invlogit' にすることはできません。
- 代理分岐は使用できません。つまり、名前と値のペアの引数 'Surrogate' の値は 'off' でなければなりません。
- 固定小数点コードの生成およびコーダーコンフィギュアラーを使用するコード生成では、以下の追加制限が適用されます。
  - カテゴリカル予測子 (logical、categorical、char、string、または cell) はサポートされません。名前と値の引数 CategoricalPredictors は使用できません。カテゴリカル予測子をモデルに含めるには、モデルを当てはめる前に dummyvar を使用してカテゴリカル予測子を前処理します。
  - categorical データ型のクラスラベルはサポートされません。学習データ内のクラスラベル値 (Tbl または Y) および名前と値の引数 ClassNames の値はどちらも categorical データ型の配列にはできません。

詳細は、コード生成の紹介を参照してください。

GPU 配列
Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

使用上の注意事項および制限事項:

次のオブジェクト関数は GPU 配列を完全にサポートしています。
次のオブジェクト関数は GPU 配列のサポートに制限があります。
オブジェクト関数は次のいずれかに該当する場合に GPU で実行されます。
- モデルが GPU 配列を使用して当てはめられている。
- オブジェクト関数に渡す予測子データが GPU 配列である。

詳細は、GPU での MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。

バージョン履歴

R2011a で導入

参考

ClassificationTree | fitctree | compact | compareHoldout