matlab2021a决策树函数

Matlab 2021a中有多个决策树函数可供使用，包括分类树、回归树、随机森林等。其中，常用的函数包括：

1. fitctree：用于训练分类树模型。
2. fitrtree：用于训练回归树模型。
3. TreeBagger：用于训练随机森林模型。

下面以分类树为例，介绍其基本用法：

1. 准备数据集，包括训练数据和测试数据。
2. 利用 fitctree 函数训练分类树模型，可以设置各种参数，如最大深度、最小叶子数等。
3. 利用 predict 函数对测试数据进行预测，得到分类结果。
4. 利用 confusionmat 函数计算预测结果的混淆矩阵，评估分类模型的性能。

示例代码如下：

% 准备数据集
load fisheriris
X = meas(:,1:2);
Y = species;

% 划分训练集和测试集
cv = cvpartition(Y,'holdout',0.3);
Xtrain = X(cv.training,:);
Ytrain = Y(cv.training,:);
Xtest = X(cv.test,:);
Ytest = Y(cv.test,:);

% 训练分类树模型
tree = fitctree(Xtrain,Ytrain,'MaxDepth',2);

% 预测测试数据
Ypred = predict(tree,Xtest);

% 计算混淆矩阵
C = confusionmat(Ytest,Ypred);
disp(C);

输出结果为：

     9     0     0
     0    12     0
     0     3     1

其中，行表示真实类别，列表示预测类别，对角线上的数字表示正确分类的样本数。