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

view

Sintaxis

view(tree)
view(tree,Name,Value)

Descripción

view(tree) Devuelve una descripción de texto de un árbol de decisión.tree

view(tree,Name,Value) describe con opciones adicionales especificadas por uno o más argumentos de par.treeName,Value

Argumentos de entrada

tree

Un árbol de regresión o un árbol de regresión compacta creado por ofitrtree compact.

Argumentos de par nombre-valor

Especifique pares de argumentos separados por comas opcionales. es el nombre del argumento y es el valor correspondiente. deben aparecer dentro de las cotizaciones.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como.Name1,Value1,...,NameN,ValueN

'Mode'

Visualización de, ya sea o. abre una visualización de GUI y contiene controles para consultar el árbol. envía la salida a la ventana de comandos que describe.tree'graph''text''graph'tree'text'tree

Predeterminado: 'text'

Ejemplos

expandir todo

Visualice las visualizaciones textuales y gráficas de un árbol de regresión entrenado.

Cargue el conjunto de datos.carsmall Considere un modelo que explica la economía de combustible de un automóvil () utilizando su peso () y el número de cilindros ().MPGWeightCylinders

load carsmall X = [Weight Cylinders]; Y = MPG;

Entrenar un árbol de regresión utilizando todas las mediciones.

Mdl = fitrtree(X,Y);

Ver la visualización textual del árbol de regresión entrenado.

view(Mdl)
Decision tree for regression  1  if x1<3085.5 then node 2 elseif x1>=3085.5 then node 3 else 23.7181  2  if x1<2371 then node 4 elseif x1>=2371 then node 5 else 28.7931  3  if x2<7 then node 6 elseif x2>=7 then node 7 else 15.5417  4  if x1<2162 then node 8 elseif x1>=2162 then node 9 else 32.0741  5  if x2<5 then node 10 elseif x2>=5 then node 11 else 25.9355  6  fit = 19.2778  7  if x1<4381 then node 12 elseif x1>=4381 then node 13 else 14.2963  8  if x1<1951 then node 14 elseif x1>=1951 then node 15 else 33.3056  9  fit = 29.6111 10  if x1<2827.5 then node 16 elseif x1>=2827.5 then node 17 else 27.2143 11  if x1<3013.5 then node 18 elseif x1>=3013.5 then node 19 else 23.25 12  if x1<3533.5 then node 20 elseif x1>=3533.5 then node 21 else 14.8696 13  fit = 11 14  fit = 29.375 15  if x1<2142.5 then node 22 elseif x1>=2142.5 then node 23 else 34.4286 16  if x1<2385 then node 24 elseif x1>=2385 then node 25 else 27.6389 17  fit = 24.6667 18  fit = 21.5 19  fit = 30.25 20  fit = 16.6 21  if x1<4378 then node 26 elseif x1>=4378 then node 27 else 14.3889 22  if x1<2080 then node 28 elseif x1>=2080 then node 29 else 34.8333 23  fit = 32 24  fit = 24.5 25  if x1<2412.5 then node 30 elseif x1>=2412.5 then node 31 else 28.0313 26  if x1<4365 then node 32 elseif x1>=4365 then node 33 else 14.2647 27  fit = 16.5 28  fit = 34.125 29  fit = 36.25 30  fit = 34 31  if x1<2447 then node 34 elseif x1>=2447 then node 35 else 27.6333 32  if x1<4122.5 then node 36 elseif x1>=4122.5 then node 37 else 14.5313 33  fit = 10 34  fit = 24 35  if x1<2573.5 then node 38 elseif x1>=2573.5 then node 39 else 27.8929 36  if x1<3860 then node 40 elseif x1>=3860 then node 41 else 14.15 37  fit = 15.1667 38  fit = 27.125 39  if x1<2580 then node 42 elseif x1>=2580 then node 43 else 28.2 40  fit = 14.5 41  fit = 13.625 42  fit = 31 43  fit = 27.8889 

Visualice la visualización gráfica del árbol de regresión entrenado.

view(Mdl,'Mode','graph');

Cargue el conjunto de datos.carsmall Considere un modelo que explica la economía de combustible de un automóvil () utilizando su peso () y el número de cilindros ().MPGWeightCylinders

load carsmall X = [Weight Cylinders]; Y = MPG;

Cultivar una bolsa de 100 árboles de regresión utilizando todas las mediciones.

rng(1) % For reproducibility Mdl = TreeBagger(100,X,Y);

Alternativamente, puede usar para cultivar una bolsa de árboles de regresión.fitrensemble

es un objeto de modelo. almacena la bolsa de 100 árboles de regresión entrenados en una matriz de celdas de 100 por 1.MdlTreeBaggerMdl.Trees Es decir, cada celda contiene un objeto de modelo.Mdl.TreesCompactRegressionTree

Ver un gráfico del árbol de regresión 10 en la bolsa.

Tree10 = Mdl.Trees{10}; view(Tree10,'Mode','graph');

Por defecto, el software crece árboles profundos para las bolsas de árboles.

Cargue el conjunto de datos.carsmall Considere un modelo que explica la economía de combustible de un automóvil () utilizando su peso () y el número de cilindros ().MPGWeightCylinders

load carsmall X = [Weight Cylinders]; Y = MPG;

Aumente un conjunto de 100 árboles de regresión utilizando todas las mediciones.

Mdl = fitrensemble(X,Y,'Method','LSBoost');

es un objeto de modelo. almacena el conjunto de 100 árboles de regresión entrenados en una matriz de celdas de 100 por 1.MdlRegressionEnsembleMdl.Trained Es decir, cada celda contiene un objeto de modelo.Mdl.TrainedCompactRegressionTree

Ver un gráfico del árbol de regresión 10 en el conjunto.

Tree10 = Mdl.Trained{10}; view(Tree10,'Mode','graph');

De forma predeterminada, crece árboles poco profundos para conjuntos de árboles potenciado.fitrensemble Es decir, es.'Learners'templateTree('MaxNumSplits',10)

Sugerencias

Para ver el árbol t de un conjunto de árboles, ingrese una de estas líneas de código

view(Ens.Trained{t})
view(Bag.Trees{t})

  • es un conjunto completo devuelto por o un conjunto compacto devuelto porEnsfitrensemble compact.

  • es una bolsa llena de árboles devueltos porBag TreeBagger o una bolsa compacta de árboles devueltos por compact.

Para guardar en la ventana de comandos, obtenga un identificador de figura mediante el uso de las funciones y, a continuación, guardar con la función.treefindallsetdifftreesaveas

before = findall(groot,'Type','figure'); % Find all figures view(Mdl,'Mode','graph') after = findall(groot,'Type','figure'); h = setdiff(after,before); % Get the figure handle of the tree viewer saveas(h,'a.png')

Consulte también

|