我在Matlab的帮助文档中看到了相关内容,但是他们提供的示例并未解释如何使用 'classregtree' 函数的参数。希望能够得到有关如何使用 'classregtree' 及其参数的帮助。
我在Matlab的帮助文档中看到了相关内容,但是他们提供的示例并未解释如何使用 'classregtree' 函数的参数。希望能够得到有关如何使用 'classregtree' 及其参数的帮助。
函数classregtree的文档页面是自说明的...
让我们来看一下分类树模型的一些最常见的参数:
完整的示例以说明该过程:
%# load data
load carsmall
%# construct predicting attributes and target class
vars = {'MPG' 'Cylinders' 'Horsepower' 'Model_Year'};
x = [MPG Cylinders Horsepower Model_Year]; %# mixed continous/discrete data
y = cellstr(Origin); %# class labels
%# train classification decision tree
t = classregtree(x, y, 'method','classification', 'names',vars, ...
'categorical',[2 4], 'prune','off');
view(t)
%# test
yPredicted = eval(t, x);
cm = confusionmat(y,yPredicted); %# confusion matrix
N = sum(cm(:));
err = ( N-sum(diag(cm)) ) / N; %# testing error
%# prune tree to avoid overfitting
tt = prune(t, 'level',3);
view(tt)
%# predict a new unseen instance
inst = [33 4 78 NaN];
prediction = eval(tt, inst) %# pred = 'Japan'
上述的 classregtree
类已经过时,被 R2011a 中的 ClassificationTree
和 RegressionTree
类所取代 (请参见在 R2014a 中新增的 fitctree
和 fitrtree
函数)。
以下是使用新函数/类的更新示例:
t = fitctree(x, y, 'PredictorNames',vars, ...
'CategoricalPredictors',{'Cylinders', 'Model_Year'}, 'Prune','off');
view(t, 'mode','graph')
y_hat = predict(t, x);
cm = confusionmat(y,y_hat);
tt = prune(t, 'Level',3);
view(tt)
predict(tt, [33 4 78 NaN])