视图
视图回归树
语法
视图(树)
视图(树、名称、值)
输入参数
|
名称-值对的观点
指定可选的逗号分隔的对名称,值参数。的名字参数名和价值是对应的值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家。
|
显示的 默认值: |
例子
视图训练回归树
查看经过训练的回归树的文本和图形显示。
加载carsmall考虑一个解释汽车燃油经济性的模型(英里/加仑)使用其重量(重量)和气缸数(气缸)。
负载carsmallX =[重瓶];Y = MPG;
使用所有度量训练回归树。
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然后节点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7如果x1 = 19.2778 < 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然后其他节点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然后节点38 elseif x1 > = 2573.5那么其他节点39 27.8929 36如果x1 < 3860然后节点40 elseif x1 > = 3860那么其他节点41 14.15 37适合38适合39如果x1 = 27.125 = 15.1667 < 2580然后节点42 elseif x1 > = 2580那么其他节点43 28.2 40适合= 14.5 = 13.625 42配合41 = 31 43 = 27.8889
查看经过训练的回归树的图形显示。
视图(Mdl,“模式”,“图”);
从树的袋子看树
加载carsmall考虑一个解释汽车燃油经济性的模型(英里/加仑)使用其重量(重量)和气缸数(气缸)。
负载carsmallX =[重瓶];Y = MPG;
使用所有测量值种植一袋100棵回归树。
rng (1)%的再现性Mdl = TreeBagger(100年,X, Y);
或者，您可以使用fitrensemble种一袋退行树。
Mdl是一个TreeBagger模型对象。Mdl.Trees在一个100×1的单元数组中存储100棵经过训练的回归树。也就是说，每个细胞Mdl.Trees包含一个CompactRegressionTree模型对象。
查看袋子里的第十棵回归树的图。
Tree10 = Mdl.Trees {10};视图(Tree10,“模式”,“图”);
默认情况下，该软件为树的包生成深树。
视图树从提高合集
加载carsmall考虑一个解释汽车燃油经济性的模型(英里/加仑)使用其重量(重量)和气缸数(气缸)。
负载carsmallX =[重瓶];Y = MPG;
使用所有测量数据增加100棵回归树的集合。
Mdl = fitrensemble (X, Y,“方法”,“LSBoost”);
Mdl是一个RegressionEnsemble模型对象。Mdl.Trained在一个100×1的单元数组中存储100个经过训练的回归树的集合。也就是说，每个细胞Mdl.Trained包含一个CompactRegressionTree模型对象。
查看集成中第十棵回归树的图。
Tree10 = Mdl.Trained {10};视图(Tree10,“模式”,“图”);
默认情况下,fitrensemble种植浅的树木，增强树木的整体效果。也就是说,“学习者”是templateTree (MaxNumSplits, 10)。
提示
把树t从一组树中，输入其中一行代码
视图(Ens.Trained {t(Bag.Trees{})视图t})
实体全套服装是由fitrensemble或者是一个紧凑的整体紧凑的。袋满满一袋树回来了吗TreeBagger或者是一袋树回来了紧凑的。
为了节省树在命令窗口中，通过使用findall和setdiff函数，然后保存树使用函数saveas。
之前= findall(大的,“类型”,“图”);%查找所有数据视图(Mdl,“模式”,“图”) after = findall(groot，“类型”,“图”);h = setdiff(之后,之前);获取树查看器的图形句柄saveas (h,“a.png”)
