Matlab决策树分类

Matlab中可以使用`fitctree`函数来训练决策树分类器，使用`predict`函数来对新的样本进行分类。下面是一个简单的示例代码：

% 准备训练数据和标签
load fisheriris
X = meas(:,1:2);
Y = species;

% 训练决策树分类器
tree = fitctree(X,Y);

% 绘制决策树
view(tree,'Mode','graph')

% 对新的样本进行分类
newX = [5.5, 3.2];
predictedY = predict(tree,newX)

在这个示例中，我们使用`meas`和`species`数据集来训练决策树分类器。`meas`包含了150个样本的4个特征测量，`species`是每个样本所属的类别，有三种可能的取值：Setosa、Versicolor和Virginica。

我们只选取前两个特征来训练分类器。训练完成后，我们可以使用`view`函数来可视化决策树，也可以使用`predict`函数来对新的样本进行分类。在这个示例中，我们对一个新的样本`[5.5, 3.2]`进行分类，得到了预测的类别。