用MATLAB根据所列样本水果的特征构造决策树，并对构造好的决策树进行测试，

在MATLAB中构建决策树通常使用`fitctree`函数，它属于统计学习工具箱的一部分。以下是基本步骤：

1. **数据准备**:
- 首先，你需要一个包含水果特征的数据集，比如颜色、形状、大小等作为输入变量（自变量X），以及对应的类别标签（如“苹果”、“香蕉”等）作为目标变量（因变量Y）。

2. **加载数据**:
- 使用`readtable`或`csvread`导入数据到MATLAB中。

data = readtable('fruits_data.csv'); % 请替换为实际文件名

3. **选择属性和划分标准**:
- 使用`fitctree`创建模型，需要指定哪些特征用于训练。可以使用`varnames`或索引来选择。

4. **构建决策树**:

   treeModel = fitctree(data(:, 'Predictors'), data.Labels);

`Predictors`是输入变量名称列表，`Labels`是因变量。

5. **可视化决策树**:

   view(treeModel)

6. **模型评估与测试**:
- 对于测试数据集，使用`predict`函数预测类别，并通过比较实际结果与预测结果计算性能指标（例如准确率、召回率）。

   testData = ...; % 加载你的测试数据
   predictedLabels = predict(treeModel, testData.Predictors);
   confusionMat = confusionmat(testData.Labels, predictedLabels);
   accuracy = sum(diag(confusionMat)) / sum(confusionMat(:));

7. **保存与使用**:
- 如果需要保存模型，可以使用`save`命令。