决策树

决策树或分类树和回归树，预测对数据的响应。为了预测响应，请从根（开始）节点向下遵循树中的决策。叶节点包含响应。分类树给出了名义上的答复，例如'真的'或'错误的'。回归树提供数字响应。

统计和机器学习工具箱™树是二进制的。预测中的每个步骤都涉及检查一个预测变量（变量）的值。例如，这是一个简单的分类树：

该树根据两个预测指标预测分类，x1和x2。为了预测，以三角形（δ）表示的顶点开始。第一个决定是是否x1比0。5。如果是这样，请遵循左分支，并查看树将数据分类为类型0。

但是，如果x1超过0。5，然后遵循右分支到较低的三角节点。在这里，树问x2比0。5。如果是这样，请遵循左分支，查看树将数据分类为类型0。如果没有，请按照正确的分支看到树将数据分类为1。

要了解如何使用决策树准备数据以进行分类或回归，请参见监督学习的步骤。

打开实时脚本

此示例显示了如何训练分类树。

使用整个电离层数据集。

加载电离层％包含X和Y变量mdl = fitctree（x，y）

mdl = classificationTree响应eName：'y'分类predictors：[] classNames：{'b'g'} scoretransform：'none'numobservations：351属性，方法，方法

打开实时脚本

此示例显示了如何训练回归树。

使用所有观察结果创建回归树汽车舞数据集。考虑一下马力和重量向量作为预测变量，而MPG向量作为响应。

加载汽车舞％包含马力，重量，MPGx = [马力重量];mdl = fitrtree（x，mpg）

mdl = recressionTree响应类型：'y'分类predictors：[]响应图：'无'numobservations：94属性，方法

References

[1] Breiman，L.，J。H. Friedman，R。A. Olshen和C. J. Stone。分类和回归树。Boca Raton，FL：Chapman＆Hall，1984年。