matlab构建决策树代码

以下是一个简单的MATLAB代码示例，用于构建决策树模型：

% 假设训练数据保存在一个名为data的m×n矩阵中，其中m是样本数，n是特征数
% 假设标签保存在一个名为labels的m维向量中，表示每个样本的类别

% 创建决策树模型
tree = fitctree(data, labels);

% 可选：设置决策树模型的参数
% tree = fitctree(data, labels, 'MaxNumSplits', 10); % 设置最大分裂次数为10

% 可选：使用交叉验证选择最优参数
% t = templateTree('MaxNumSplits', 'all'); % 创建一个模板
% tree = fitcecoc(data, labels, 'Learners', t, 'CrossVal', 'on'); % 使用交叉验证选择最优参数

% 可选：绘制决策树图形
view(tree, 'Mode', 'graph');

% 使用训练好的决策树模型进行预测
% 假设测试数据保存在一个名为testData的p×n矩阵中，其中p是测试样本数，n是特征数
predictions = predict(tree, testData);

这是一个简单的示例，你可以根据具体需求进行参数设置和调整。注意，训练数据和测试数据的特征数必须一致，否则会导致错误。