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。

view

構文

view(tree)
view(tree,Name,Value)

説明

view(tree) は、決定木 tree のテキスト説明を返します。

view(tree,Name,Value) では、1 つ以上の Name,Value の引数ペアで指定された追加オプションを使用して、tree を記述します。

入力引数

tree

関数 fitctree または compact を使用して作成された分類木またはコンパクト分類木。

名前と値のペアの引数

オプションの引数 Name,Value のコンマ区切りペアを指定します。Name は引数名で、Value は対応する値です。Name は引用符で閉じなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を任意の順序で指定できます。

'Mode'

tree の表示を記述する値。'graph' または 'text' のいずれかです。'graph' は、木を照会するためのコントロールが含まれている、tree の表示用のユーザー インターフェイスを起動します。'text' は、出力をコマンド ウィンドウに送信して tree を記述します。

既定値: 'text'

すべて展開する

学習済み分類木をテキストおよびグラフィックで表示します。

フィッシャーのアヤメのデータセットを読み込みます。

load fisheriris

すべての測定値を使用して分類木に学習をさせます。

Mdl = fitctree(meas,species);

学習済み分類木をテキストで表示します。

view(Mdl)
Decision tree for classification
1  if x3<2.45 then node 2 elseif x3>=2.45 then node 3 else setosa
2  class = setosa
3  if x4<1.75 then node 4 elseif x4>=1.75 then node 5 else versicolor
4  if x3<4.95 then node 6 elseif x3>=4.95 then node 7 else versicolor
5  class = virginica
6  if x4<1.65 then node 8 elseif x4>=1.65 then node 9 else versicolor
7  class = virginica
8  class = versicolor
9  class = virginica

学習済み分類木をグラフィックで表示します。

view(Mdl,'Mode','graph');

フィッシャーのアヤメのデータセットを読み込みます。

load fisheriris

すべての測定値を使用して 100 本の分類の bag of trees を成長させます。

rng(1) % For reproducibility
Mdl = TreeBagger(100,meas,species);

または、fitcensembleを使用して分類の bag of trees を成長させることもできます。

MdlTreeBaggerモデル オブジェクトです。Mdl.Trees は、100 本の学習済み分類 bag of trees を 100 行 1 列の cell 配列に格納します。つまり、Mdl.Trees の各セルに CompactClassificationTree モデル オブジェクトが格納されます。

bag 内の 10 番目の分類木のグラフを表示します。

Tree10 = Mdl.Trees{10};
view(Tree10,'Mode','graph');

既定の設定では、bag of trees に対して木を深く成長させます。

フィッシャーのアヤメのデータセットを読み込みます。

load fisheriris

すべての測定値を使用して 100 本の分類木のアンサンブルをブースティングします。弱学習器として木の切り株を指定します。

t = templateTree('MaxNumSplits',1);
Mdl = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

MdlClassificationEnsembleモデル オブジェクトです。Mdl.Trained は、100 本の学習済み分類木から成るアンサンブルを 100 行 1 列の cell 配列に格納します。つまり、Mdl.Trained の各セルに CompactClassificationTree モデル オブジェクトが格納されます。

アンサンブル内の 10 番目の分類木のグラフを表示します。

Tree10 = Mdl.Trained{10};
view(Tree10,'Mode','graph');

アンサンブルの弱学習器として切り株を指定したので、このグラフは木の切り株を示します。ただし、この動作は fitcensemble の既定ではありません。既定の設定では、fitcensemble はブースティングされた木のアンサンブルに対して浅い木を成長させます。つまり、'Learners'templateTree('MaxNumSplits',10) になります。

ヒント

木のアンサンブルの木 t を表示するには、次のコードのいずれかを入力します。

view(Ens.Trained{t})
view(Bag.Trees{t})

  • Ens は、fitcensemble によって返された完全なアンサンブルまたは compact によって返されたコンパクトなアンサンブルです。

  • Bag は、TreeBagger によって返された完全な bag of trees または compact によって返されたコンパクトな bag of trees です。

コマンド ウィンドウで tree を保存するには、関数 findall および setdiff を使用して Figure のハンドルを取得し、関数 saveas を使用して tree を保存します。

before = findall(groot,'Type','figure'); % Find all figures
view(Mdl,'Mode','graph')
after = findall(groot,'Type','figure');
h = setdiff(after,before); % Get the figure handle of the tree viewer
saveas(h,'a.png')