回帰木

回帰用の二分決定木

対話的に回帰木を成長させるには、回帰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 fitrtree を使用して回帰木を成長させます。回帰木を成長させた後で、木と新しい予測子データを predict に渡して応答を予測します。

アプリ

回帰学習器

教師あり機械学習を使用して、データを予測するように回帰モデルに学習をさせる

ブロック

RegressionTree Predict

回帰木モデルの使用による応答の予測

関数

すべて展開する

回帰木の作成

`fitrtree`	回帰用のバイナリ決定木を当てはめる
`compact`	コンパクトな回帰木
`prune`	枝刈りによる回帰サブツリーのシーケンスの作成

回帰木の解釈

`lime`	Local Interpretable Model-agnostic Explanations (LIME)
`nodeVariableRange`	決定木ノードの変数範囲の取得
`partialDependence`	部分従属の計算
`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
`predictorImportance`	回帰木の予測子の重要度の推定
`surrogateAssociation`	回帰木における代理分岐に対する関連性の平均予測尺度
`shapley`	シャープレイ値
`view`	回帰木の表示

回帰木の交差検証

`crossval`	交差検証を使用した決定木
`cvloss`	交差検証による回帰誤差
`kfoldfun`	回帰での関数の交差検証
`kfoldPredict`	交差検証済み回帰モデル内の観測値に対する応答の予測
`kfoldLoss`	交差検証された分割済みの回帰モデルの損失

パフォーマンスの測定

`loss`	回帰誤差
`resubLoss`	再代入による回帰誤差

応答予測

`predict`	回帰木の使用による応答の予測
`resubPredict`	ツリーの再代入応答の予測

回帰木のプロパティの収集

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

クラス

`RegressionTree`	回帰木
`CompactRegressionTree`	コンパクトな回帰木
`RegressionPartitionedModel`	交差検証済みの回帰モデル

トピック

回帰学習器アプリを使用して回帰木に学習をさせる
回帰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。
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。
RegressionTree Predict ブロックの使用による応答の予測
この例では、RegressionTree Predictブロックを Simulink® の応答予測に使用する方法を示します。