Main Content

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Arboles de clasificación

Los árboles de decisión binarios para el aprendizaje multiclase

Para hacer crecer interactivamente un árbol de clasificación, use la aplicación.Aprendiz de Clasificación Para una mayor flexibilidad, haga crecer un árbol de clasificación utilizando en la línea de comandos.fitctree Después de cultivar un árbol de clasificación, prediga las etiquetas pasando el árbol y los nuevos datos predictores a .predict

Apps

Capacitar modelos para clasificar datos mediante aprendizaje automático supervisado
Aprendiz de ClasificaciónCapacitar modelos para clasificar datos mediante aprendizaje automático supervisado

Funciones

expandir todo

fitctreeAjustar árbol de decisión binario para la clasificación multiclase
compactCompact tree
pruneProduce sequence of classification subtrees by pruning
cvlossClassification error by cross validation
predictorImportanceEstimates of predictor importance for classification tree
surrogateAssociationMean predictive measure of association for surrogate splits in classification tree
viewView classification tree
crossvalCross-validated decision tree
kfoldEdgeClassification edge for observations not used for training
kfoldLossClassification loss for observations not used for training
kfoldfunCross validate function
kfoldMarginClassification margins for observations not used for training
kfoldPredictPredict response for observations not used for training
lossClassification error
resubLossClassification error by resubstitution
compareHoldoutCompare accuracies of two classification models using new data
edgeClassification edge
marginClassification margins
resubEdgeClassification edge by resubstitution
resubMarginClassification margins by resubstitution
predictPredict labels using classification tree
resubPredictPredict resubstitution labels of classification tree

Clases

ClassificationTreeBinary decision tree for multiclass classification
CompactClassificationTreeCompact classification tree
ClassificationPartitionedModelCross-validated classification model

Temas

Train Decision Trees Using Classification Learner App

Create and compare classification trees, and export trained models to make predictions for new data.

Flujo de trabajo y algoritmos de aprendizaje supervisados

Comprender los pasos para el aprendizaje supervisado y las características de las funciones de clasificación y regresión no paramétricas.

Los árboles de decisión

Comprender los árboles de decisión y cómo ajustarlos a los datos.

Growing Decision Trees

To grow decision trees, fitctree and fitrtree apply the standard CART algorithm by default to the training data.

View Decision Tree

Create and view a text or graphic description of a trained decision tree.

Visualize Decision Surfaces of Different Classifiers

This example shows how to visualize the decision surface for different classification algorithms.

Splitting Categorical Predictors in Classification Trees

Learn about the heuristic algorithms for optimally splitting categorical variables with many levels while growing decision trees.

Improving Classification Trees and Regression Trees

Tune trees by setting name-value pair arguments in fitctree and fitrtree.

Prediction Using Classification and Regression Trees

Predict class labels or responses using trained classification and regression trees.

Predict Out-of-Sample Responses of Subtrees

Predict responses for new data using a trained regression tree, and then plot the results.