matlab决策树

2021-01-10

字数统计: 377字 | 阅读时长≈ 1分

决策树算法的matlab实现

一、fitctree()函数

tree = fitctree(X,Y) %X是分类数据的属性，Y是分类数据的分类值
tree = fitctree(X,Y,’CrossVal’,’on’) %用十折交叉验证
tree = fitctree(X,Y,'MaxNumSplits',7,'CrossVal','on'); %最大分叉数为7
view(tree,'Mode','graph') %画出决策树

二、例子

X是训练数据，Y是测试数据，行对应每一个样本，列对应变量，IDX的每一行对应着在X中距离Y最近的样本的索引值。

load ionosphere  %读取ionosphere数据集
rng(1);    % For reproducibility （选取生成随机数的种子？）
MdlDefault = fitctree(X,Y,'CrossVal','on');  %生成决策树
% Draw a histogram of the number of imposed splits on the trees. Also, view one of the trees.
numBranches = @(x)sum(x.IsBranch);
mdlDefaultNumSplits = cellfun(numBranches, MdlDefault.Trained);
figure;
histogram(mdlDefaultNumSplits)

画出决策树

1	view(MdlDefault.Trained{1},'Mode','graph') %画出决策树

平均分叉数是15

1
2
3

%现在规定最大分叉树是7
Mdl7 = fitctree(X,Y,'MaxNumSplits',7,'CrossVal','on');
view(Mdl7.Trained{1},'Mode','graph')

然后比较模型的交叉验证分类错误

1 2	classErrorDefault = kfoldLoss(MdlDefault) classError7 = kfoldLoss(Mdl7)

结果：classErrorDefault = 0.1140 , classError7 = 0.1254
Mdl7的复杂性要小得多，并且只比MdlDefault稍微糟糕一点。

参考:
https://blog.csdn.net/mingtian715/article/details/53607060
https://cn.mathworks.com/help/stats/fitctree.html?searchHighlight=fitctree&s_tid=doc_srchtitle
https://cn.mathworks.com/help/stats/compactclassificationtree.view.html
https://zhidao.baidu.com/question/274991642.html
https://blog.csdn.net/huanleu/article/details/38439345
https://blog.csdn.net/j1097376869/article/details/72638737?locationNum=7&fps=1

本文作者： Hbin
本文链接： https:/hbinfree.github.io/2021/01/10/matlab决策树/
版权声明： 本博客所有文章除特别声明外，均采用 MIT 许可协议。转载请注明出处！