主要内容

视图

查看回归树

在页面中全部展开

语法

视图(树)
视图(树、名称、值)

描述

视图(树）的文本描述树，一个决策树。

视图(树，名称,值）描述了树使用一个或多个指定的附加选项名称,值对参数。

输入参数

树

创建的回归树或紧凑型回归树fitrtree或紧凑的．

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

模式

显示的树,要么“图”或“文本”．“图”打开一个显示图形用户界面树，包含用于查询树的控件。“文本”发送输出到命令窗口描述树．

默认值:“文本”

例子

全部展开

打开实时脚本

查看经过训练的回归树的文本和图形显示。

加载carsmall数据集。考虑一个解释汽车燃油经济性的模型(英里/加仑)使用它的重量(重量)及汽缸数目(气缸）.

负载carsmallX =[重量气缸];Y = mpg;

训练一个使用所有度量值的回归树。

Mdl = fitrtree(X,Y);

查看经过训练的回归树的文本显示。

视图(Mdl)
决策树对回归1 x1 < 3085.5节点2 elseif x1 > = 3085.5那么其他节点3 23.7181 - 2如果x1 < 2371节点4 elseif x1 > = 2371节点5其他28.7931 3如果x2 < 7然后节点6 elseif x2 > = 7节点7其他15.5417 - 4如果x1 < 2162然后节点8 elseif x1 > = 2162节点9其他32.0741 5如果x2 < 5然后节点10 elseif x2 > = 5那么其他节点11 25.9355 6适合= 19.2778 7如果x1 < 4381然后节点12 elseif x1 > = 4381那么其他节点13 14.2963 8如果x1 < 1951然后节点14 elseif x1 > = 1951然后节点1533.3056 9适合10如果x1 = 29.6111 < 2827.5然后节点16 elseif x1 > = 2827.5节点17其他27.2143 11如果x1 < 3013.5然后节点18 elseif x1 > = 3013.5那么其他节点19 23.25 12如果x1 < 3533.5然后节点20 elseif x1 > = 3533.5那么其他节点21 14.8696 13适合= 11 14适合15如果x1 = 29.375 < 2142.5然后节点22 elseif x1 > = 2142.5那么其他节点23 34.4286 16如果x1 < 2385然后节点24 elseif x1 > = 2385那么其他节点25 27.6389 = 24.6667 18配合17 = 21.5 = 30.25 20配合19 = 16.6 21如果x1 < 4378节点26elseif x1 > = 4378那么其他节点27 14.3889 22如果x1 < 2080然后节点28 elseif x1 > = 2080那么其他节点29 34.8333 23适合= 32 24适合25如果x1 = 24.5 < 2412.5然后节点30 elseif x1 > = 2412.5那么其他节点31日28.0313 26如果x1 < 4365然后节点32 elseif x1 > = 4365那么其他33节点14.2647 = 16.5 28配合27 = 34.125 29 30个健康适合= 36.25 = 34 31如果x1 < 2447然后节点34 elseif x1 > = 2447那么其他节点35 27.6333 32如果x1 < 4122.5然后节点36 elseif x1 > = 4122.5那么其他节点37 14.5313 33适合= 10 34 =24 35如果x1<2573.5那么节点38 elseif x1>=2573.5那么节点39 else 27.8929 36如果x1<3860那么节点40 elseif x1>=3860那么节点41 else 14.15 37 fit = 15.1667 38 fit = 27.125 39如果x1<2580那么节点42 elseif x1>=2580那么节点43 else 28.2 40 fit = 14.5 41 fit = 13.625 42 fit = 31 43 fit = 27.8889

查看经过训练的回归树的图形显示。

视图(Mdl,“模式”，“图”）;

{

打开实时脚本

加载carsmall数据集。考虑一个解释汽车燃油经济性的模型(英里/加仑)使用它的重量(重量)及汽缸数目(气缸）.

负载carsmallX =[重量气缸];Y = mpg;

使用所有的测量方法种植100棵回归树。

rng (1)%用于重现性Mdl = TreeBagger(100,X,Y);

或者，您也可以使用fitrensemble种一袋回归树。

Mdl是一个TreeBagger模型对象。Mdl。树将100个训练过的回归树存储在100 × 1的单元格数组中。也就是说，每个细胞在Mdl。树包含一个CompactRegressionTree模型对象。

查看袋子中第10个回归树的图。

Tree10 = Mdl.Trees{10};视图(Tree10,“模式”，“图”）;

{

默认情况下，该软件为大量的树种植深树。

打开实时脚本

加载carsmall数据集。考虑一个解释汽车燃油经济性的模型(英里/加仑)使用它的重量(重量)及汽缸数目(气缸）.

负载carsmallX =[重量气缸];Y = mpg;

使用所有度量值增强100个回归树的集合。

Mdl = fitrensemble(X,Y，“方法”，“LSBoost”）;

Mdl是一个RegressionEnsemble模型对象。Mdl。训练有素的将100个训练过的回归树的集合存储在100 × 1的单元格数组中。也就是说，每个细胞在Mdl。训练有素的包含一个CompactRegressionTree模型对象。

查看集合中第10个回归树的图。

Tree10 = mdl .受训{10};视图(Tree10,“模式”，“图”）;

{

默认情况下,fitrensemble种植浅树为增强的树木组合。也就是说,“学习者”是templateTree (MaxNumSplits, 10)．

提示

查看树t从一组树中，输入以下一行代码

视图(实体。训练有素的{t})视图(包。树木{t})

为了节省树在命令窗口中，使用findall而且setdiff函数，然后保存树使用函数saveas．

Before = findall(root，“类型”，“图”）;%找到所有数字视图(Mdl,“模式”，“图”) after = findall(root，“类型”，“图”）;H = setdiff(after,before);获取树查看器的图形句柄。saveas (h,“a.png”）

扩展功能

另请参阅

|

Baidu
map