Decision Tree的matlab实现及原理
来源:互联网 发布:淘宝商标申请入口 编辑:程序博客网 时间:2024/05/16 17:07
clear all;clc;[S1,S2,S3,S4,S5,S6,S7,S8,classity]=textread('Pima-training-set.txt','%f %f %f %f %f %f %f %f %s');%Pima-training-set.txtD=[S1 S2 S3 S4 S5 S6 S7 S8];AttributName={ 'preg','plas','pres','skin','insu','mass','pedi','age'};t=classregtree(D,classity,'names',AttributName);t=prune(t,'level',1);% j减掉最后5层view(t);yfit1=eval(t,D,1);count1=0;for i=1:length(yfit1) if(strcmp(classity(i,1),yfit1(i,1))) count1=count1+1; endendfprintf('Accuracy of training is:%d \n',count1/length(yfit1));costsum=zeros(10,1); %10_1,9_2...for k=1:10cost=test(t,'cross',D,classity);costsum=costsum+cost;endcostsum=costsum/10;i=1:10;plot(i,costsum,'-o');xlabel('交叉次数');ylabel('错误率');title('Training-决策树k 倍交叉错误率曲线');[T1,T2,T3,T4,T5,T6,T7,T8,kind]=textread('Pima-prediction-set.txt','%f %f %f %f %f %f %f %f %s');D2=[T1 T2 T3 T4 T5 T6 T7 T8];yfit=eval(t,D2,1);count=0;for i=1:length(yfit) if(strcmp(kind(i,1),yfit(i,1))) count=count+1; endendfprintf('Accuracy of prediction is:%d \n',count/length(yfit));本次实验的采用的数据集是糖尿病的一个数据集。
根据图中决策树的尺寸和错误率的分布函数对决策树进行适当裁剪(prune);
2)已知决策树计算测试数据类:
yfit = treeval(t,X)
[yfit,node,cname] = treeval(...)%cname获得测试数据类;
3)裁剪决策树:
t2 = treeprune(t1,'level',level)%裁剪t1树的最后level级
t2 = treeprune(t1,'nodes',nodes)
- Decision Tree的matlab实现及原理
- Decision Tree 及实现
- Decision Tree 及实现
- 决策树Decision Tree 及实现
- GBDT(Gradient Boosting Decision Tree) 没有实现只有原理
- 机器学习方法(四):决策树Decision Tree原理与实现技巧
- GBDT(Gradient Boosting Decision Tree) 没有实现只有原理
- GBDT(Gradient Boosting Decision Tree) 没有实现只有原理
- 机器学习方法(四):决策树Decision Tree原理与实现技巧
- PCA的原理及MATLAB实现
- FFT的原理及matlab实现
- GBDT(Gradient Boosting Decision Tree)原理
- 决策树 (Decision Tree) 原理简述及相关算法(ID3,C4.5)
- softmax原理及Matlab实现
- 白化原理及Matlab实现
- CNN原理及matlab实现
- 我的decision实现
- 机器学习经典算法详解及Python实现--决策树(Decision Tree)
- JavaScript基础知识(一)
- 信号处理中用DCT进行图像处理
- HDU2874-LCA-离线targan
- 前端知识总结
- K-Fold Cross Validation(K倍交叉检验)
- Decision Tree的matlab实现及原理
- matlab中怎么把矩阵数据转换为txt文件
- MATLAB中的length() size()区别
- Kmeans的matlab的实现
- Kmeans函数理解
- 单利模式
- BP神经网络
- MFCC特征提取的MatLab的代码实现
- matlab中添加Voice Box