决策树 matlab

在Matlab中，可以使用`fitctree`函数来创建决策树模型。这个函数可以根据输入数据和标签来训练一个决策树分类器。以下是一个示例代码：

% 准备数据
load fisheriris
X = meas;
Y = species;

% 创建决策树模型
tree = fitctree(X, Y);

% 可视化决策树
view(tree, 'Mode', 'graph');

% 使用模型进行预测
newX = [5.1, 3.5, 1.4, 0.2]; % 新的样本数据
predictedY = predict(tree, newX);
disp(predictedY);

在这个示例中，我们使用了`fisheriris`数据集，将花萼和花瓣的测量值作为特征矩阵X，将鸢尾花的种类作为标签向量Y。然后，我们使用`fitctree`函数训练了一个决策树模型tree。最后，我们使用训练好的模型对新的样本数据newX进行预测，并输出预测结果predictedY。

你也可以通过调整`fitctree`函数的参数来优化决策树模型，例如设置最大深度、最小叶子数等等。希望这个示例能够帮助到你！如果有任何问题，请随时提问。