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。

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

関数

すべて展開する

fitrtreeバイナリ回帰決定木の近似
compactコンパクトな回帰木
prune枝刈りによるサブツリーのシーケンスの作成
cvloss交差検証による回帰誤差
plotPartialDependence部分従属プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
predictorImportance予測子の重要度の推定
viewツリーの表示
crossval交差検証を使用した決定木
kfoldfun交差検証関数
kfoldPredict学習で使用しない観測の予測応答
kfoldLoss分割された回帰モデルの交差検証損失
loss回帰誤差
resubLoss再代入による回帰誤差
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

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あ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、fitctreefitrtree 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

fitctreefitrtree 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。