La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Árboles de regresión

Árboles de decisión binarios para regresión

Para aumentar de forma interactiva un árbol de regresión, utilice la app Regression Learner. Para mayor flexibilidad, aumente un árbol de regresión mediante fitrtree en la línea de comandos. Tras aumentar un árbol de regresión, prediga las respuestas pasando el árbol y los nuevos datos de los predictores a predict.

Apps

Regression Learner

Entrenar modelos de regresión para predecir datos usando machine learning supervisado

Bloques

RegressionTree Predict

Predecir respuestas usando un modelo de árboles de regresión (desde R2021a)

Funciones

expandir todo

Crear un árbol de regresión

`fitrtree`	Fit binary decision tree for regression
`compact`	Reduce size of regression tree model
`prune`	Produce sequence of regression subtrees by pruning regression tree

Interpretar un árbol de regresión

`lime`	Local interpretable model-agnostic explanations (LIME) (desde R2020b)
`nodeVariableRange`	Retrieve variable range of decision tree node (desde R2020a)
`partialDependence`	Compute partial dependence (desde R2020b)
`permutationImportance`	Predictor importance by permutation (desde R2024a)
`plotPartialDependence`	Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots
`predictorImportance`	Estimates of predictor importance for regression tree
`surrogateAssociation`	Mean predictive measure of association for surrogate splits in regression tree
`shapley`	Shapley values (desde R2021a)
`view`	View regression tree

Árbol de regresión de validación cruzada

`crossval`	Cross-validate machine learning model
`cvloss`	Regression error by cross-validation for regression tree model
`kfoldfun`	Cross-validate function for regression
`kfoldPredict`	Predict responses for observations in cross-validated regression model
`kfoldLoss`	Loss for cross-validated partitioned regression model

Medir el rendimiento

`loss`	Regression error for regression tree model
`resubLoss`	Resubstitution loss for regression tree model

Predecir respuestas

`predict`	Predict responses using regression tree model
`resubPredict`	Predict response of regression tree by resubstitution

Recopilar propiedades de un árbol de regresión

gather Gather properties of Statistics and Machine Learning Toolbox object from GPU (desde R2020b)

Objetos

`RegressionTree`	Regression tree
`CompactRegressionTree`	Compact regression tree
`RegressionPartitionedModel`	Cross-validated regression model

Temas

Train Regression Trees Using Regression Learner App
Create and compare regression trees, and export trained models to make predictions for new data.
Supervised Learning Workflow and Algorithms
Understand the steps for supervised learning and the characteristics of nonparametric classification and regression functions.
Árboles de decisión
Comprenda los árboles de decisión y aprenda a 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.
Ver árbol de decisión
Cree y visualice una descripción gráfica o de texto de un árbol de decisión entrenado.
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.
Predict Responses Using RegressionTree Predict Block
This example shows how to use the RegressionTree Predict block for response prediction in Simulink®.