CategoricalSplit

一个n-by-2 cell array，其中n分类分裂的数量在吗树．在每一行CategoricalSplit为分类拆分提供左值和右值。对每个分支节点进行分类拆分j基于一个分类预测变量z，则选择左子结点z是在CategoricalSplit (j, 1)如果选择了正确的子结点z是在CategoricalSplit (j, 2)．拆分的顺序与树节点的顺序相同。通过运行可以找到这些分割的节点cuttype并选择“分类”从上到下切。

孩子们

一个n-by-2数组，其中每个节点的子节点编号树,在那里n是节点数。叶节点有子节点0．

ClassCount

一个n——- - - - - -k中的节点的类计数数组树,在那里n节点数和k是类的数量。对于任意节点号我，班级算ClassCount(我,:)每个类的观察计数(来自于拟合树所用的数据)是否满足节点的条件我．

一会

中的元素列表Y删除重复的。一会可以是数字向量、类别变量向量、逻辑向量、字符数组或字符向量的单元格数组。一会是否与实参中的数据类型相同Y．(该软件将字符串数组视为字符向量的单元格数组。)

如果属性的值至少有一个长度维度k,然后一会指示元素沿该维度的顺序(例如，成本而且之前)．

ClassProbability

一个n——- - - - - -k中的节点的类概率数组树,在那里n节点数和k是类的数量。对于任意节点号我，类概率ClassProbability(我,:)一个点的每个类的估计概率满足节点的条件吗我．

成本

方阵,成本(i, j)将一个点分类到类的成本是多少j如果它真正的阶级是我(行对应真正的类，列对应预测的类)。的行和列的顺序成本中的类的顺序一会．中的行数和列数成本是响应中惟一类的数量。此属性是只读的。

CutCategories

一个n中分支使用的类别的-by-2 cell数组树,在那里n是节点数。对于每个分支节点我基于一个分类预测变量x，则选择左子结点x是在类别中列出的CutCategories{1},我，则选择正确的子结点x列在CutCategories{2},我．这两列的CutCategories对于基于连续预测器的分支节点和叶节点，为空。

割点的切点“连续”削减,CutCategories包含类别集。

割点

一个n中用作切点的值的元素向量树,在那里n是节点数。对于每个分支节点我基于连续预测变量x，则选择左子结点x <割点(我)如果选择了正确的子结点x > =割点(我)．割点是南对于基于分类预测器的分支节点和叶节点。

割点的切点“连续”削减,CutCategories包含类别集。

CutType

一个n-element单元格数组，表示在每个节点上的切割类型树,在那里n是节点数。为每个节点我，CutType{我}是:

割点的切点“连续”削减,CutCategories包含类别集。

CutPredictor

一个n用于在每个节点中分支的变量名称的单元格数组树,在那里n是节点数。这些变量有时被称为减少变量．叶节点,CutPredictor包含一个空的字符向量。

割点的切点“连续”削减,CutCategories包含类别集。

CutPredictorIndex

一个n用于在每个节点中分支的变量的数值索引数组树,在那里n是节点数。有关更多信息，请参见CutPredictor．

ExpandedPredictorNames

扩展的预测器名称，存储为字符向量的单元格数组。

如果模型对分类变量使用编码，则ExpandedPredictorNames包括描述展开变量的名称。否则,ExpandedPredictorNames和PredictorNames．

IsBranchNode

一个n-元素逻辑向量即真正的对于每个分支节点和假的每个叶节点树．

NodeClass

一个n的每个节点中最可能的类的名称树,在那里n是树中的节点数。数组中的每个元素都是一个字符向量，等于其中一个类名一会．

NodeError

一个n中的节点误差的-element向量树,在那里n是节点数。NodeError(我)节点的错误分类概率是多少我．

NodeProbability

一个n中的节点概率的-元素向量树,在那里n是节点数。一个节点的概率计算为原始数据中满足该节点条件的观测值的比例。这个比例根据分配给每个类别的任何先验概率进行调整。

NodeRisk

一个n树中节点风险的-元素向量，其中n是节点数。每个节点的风险是该节点通过节点概率加权的杂质(基尼指数或偏差)的度量。如果树是两倍生长的，那么每个节点的风险为零。

NodeSize

一个n中的节点大小的-element向量树,在那里n是节点数。节点的大小定义为用于创建满足节点条件的树的数据的观察数。

NumNodes

中的节点数树．

父

一个n中每个节点的父节点编号树,在那里n是节点数。根节点的父节点为0．

PredictorNames

预测变量名称的单元格数组，按它们出现的顺序排列X．

之前

每种类别的先验概率的数字向量。元素的顺序之前中的类的顺序一会．元素的个数之前是响应中惟一类的数量。此属性是只读的。

PruneAlpha

每个修剪级别有一个元素的数字向量。如果修剪级别在0 ~米,然后PruneAlpha有米+ 1个元素按升序排序。PruneAlpha (1)为修剪级别0(不修剪)，PruneAlpha (2)用于修剪级别1，以此类推。

PruneList

一个n的每个节点的剪枝级别为的-元素数值向量树,在那里n是节点数。修剪级别从0(不修剪)到米,在那里米最深叶和根节点之间的距离。

ResponseName

描述响应变量的字符向量Y．

ScoreTransform

转换分数的函数句柄，或表示内置转换函数的字符向量。“没有”意味着没有转换;同样,“没有”意味着@ x (x)．有关内置转换函数的列表和自定义转换函数的语法，请参见fitctree．

添加或更改ScoreTransform函数使用点表示法:

ctree。ScoreTransform = '函数”或ctree。ScoreTransform = @函数

SurrogateCutCategories

一个n中用于代理拆分的类别的-element单元格数组树,在那里n节点数在吗树．为每个节点k，SurrogateCutCategories {k}是单元格数组。的长度SurrogateCutCategories {k}等于在此节点上找到的代理预测器的数量。每个元素的SurrogateCutCategories {k}是连续代理预测器的空字符向量，或者是类别代理预测器的带类别的双元素单元格数组。这个双元素单元格数组的第一个元素列出由这个代理拆分分配给左子元素的类别，这个双元素单元格数组的第二个元素列出由这个代理拆分分配给右子元素的类别。每个节点上的代理拆分变量的顺序与其中变量的顺序相匹配SurrogateCutVar．此节点上的最佳分割变量不会出现。对于非分枝(叶)节点，SurrogateCutCategories包含一个空单元格。

SurrogateCutFlip

一个n用于代理分割的数值切割分配的单元格数组树,在那里n节点数在吗树．为每个节点k，SurrSurrogateCutFlip {k}是一个数字向量。的长度SurrogateCutFlip {k}等于在此节点上找到的代理预测器的数量。每个元素的SurrogateCutFlip {k}对于类别代理预测器是零，对于连续代理预测器是数值切割赋值。数字切割分配可以是-1或+1。对于每一个用数字切割的代理分割C基于连续预测变量Z，则选择左子结点Z<C这个代理分割的切割分配是+1，或者Z≥C代理分割的切割分配是-1。类似地，如果选择正确的子结点Z≥C这个代理分割的切割分配是+1，或者Z<C代理分割的切割分配是-1。每个节点上的代理拆分变量的顺序与其中变量的顺序相匹配SurrogateCutPredictor．此节点上的最佳分割变量不会出现。对于非分枝(叶)节点，SurrogateCutFlip包含一个空数组。

SurrogateCutPoint

一个n中用于代理分割的数值的单元格数组树,在那里n节点数在吗树．为每个节点k，SurrogateCutPoint {k}是一个数字向量。的长度SurrogateCutPoint {k}等于在此节点上找到的代理预测器的数量。每个元素的SurrogateCutPoint {k}要么是南对于类别替代预测器，或连续替代预测器的数字切割。对于每一个用数字切割的代理分割C基于连续预测变量Z，则选择左子结点Z<C而且SurrogateCutFlip对于这个代理程序拆分为+1，或者ifZ≥C而且SurrogateCutFlip对于这个代理程序的分割是-1。类似地，如果选择正确的子结点Z≥C而且SurrogateCutFlip对于这个代理程序拆分为+1，或者ifZ<C而且SurrogateCutFlip对于这个代理程序的分割是-1。在每个节点上的代理拆分变量的顺序与返回的变量的顺序相匹配SurrogateCutPredictor．此节点上的最佳分割变量不会出现。对于非分枝(叶)节点，SurrogateCutPoint包含一个空单元格。

SurrogateCutType

一个n-element单元格数组，指示在中的每个节点上代理拆分的类型树,在那里n节点数在吗树．为每个节点k，SurrogateCutType {k}是一个单元格数组，其中包含此节点上的代理拆分变量的类型。变量按与最优预测因子关联的预测测度按降序排序，只有预测测度为正的变量被包括在内。每个节点上的代理拆分变量的顺序与其中变量的顺序相匹配SurrogateCutPredictor．此节点上的最佳分割变量不会出现。对于非分枝(叶)节点，SurrogateCutType包含一个空单元格。代理分离类型可以是其中之一“连续”如果切割是定义在形式Z<V为一个变量Z和减少点V或“分类”如果切割是由是否Z接受一组类别中的值。

SurrogateCutPredictor

一个n中的每个节点中用于代理拆分的变量名称的-element单元格数组树,在那里n节点数在吗树．每个元素的SurrogateCutPredictor是一个单元格数组，其中包含此节点上的代理拆分变量的名称。变量按与最优预测因子关联的预测测度按降序排序，只有预测测度为正的变量被包括在内。此节点上的最佳分割变量不会出现。对于非分枝(叶)节点，SurrogateCutPredictor包含一个空单元格。

SurrogatePredictorAssociation

一个n中代理分裂的关联预测度量的-元素单元数组树,在那里n节点数在吗树．为每个节点k，SurrogatePredictorAssociation {k}是一个数字向量。的长度SurrogatePredictorAssociation {k}等于在此节点上找到的代理预测器的数量。每个元素的SurrogatePredictorAssociation {k}给出了最佳分割和代理分割之间关联的预测度量。代理拆分变量在每个节点上的顺序与其中变量的顺序相同SurrogateCutPredictor．此节点上的最佳分割变量不会出现。对于非分枝(叶)节点，SurrogatePredictorAssociation包含一个空单元格。