1.函数
view(t)%画出决策树
prune %剪枝决策树
t2=prune(t,‘level‘,‘level‘/‘node‘)
%level:0 不剪枝 1 剪掉最后一层 2 最后两层
%node: 剪掉第node个分支后的所有
eval %预测
yfit=eval(t,x)
[yfit,nodes,cnum]=eval(t,x)
% x预测样本 yfit 预测结果 nodes 返回样本所处节点位置
% cnum 返回约车类别
2.示例
load fisheriris
t=classregtree(meas,species,‘Name‘,{‘sl‘,‘sw‘,‘pl‘,‘pw‘});
view(t)
t2=prune(t,‘level‘,1);
t2.view
[yfit,nodes,cnums]=eval(t,meas);
结果：
t2:
3.fitctree
load fisheriris
t = fitctree(meas,species,‘PredictorNames‘,{‘SL‘ ‘SW‘ ‘PL‘ ‘PW‘});
view(t,‘Mode‘,‘graph‘)
结果：
原文：https://www.cnblogs.com/wander-clouds/p/8902757.html