matlab中自带的决策树算法

在MATLAB中，自带了一个决策树算法，称为CART（Classification And Regression Trees）。CART算法可以用于分类和回归任务，它基于递归二分分裂的思想构建决策树模型。

在MATLAB中，可以使用`fitctree`函数来构建分类决策树模型，使用`fitrtree`函数来构建回归决策树模型。这两个函数都是在统计和机器学习工具箱中提供的。

下面是一个使用`fitctree`函数构建分类决策树模型的示例代码：

% 准备训练数据
X = [1 1; 1 2; 2 1; 2 2; 3 1; 3 2];  % 特征矩阵
Y = [1; 1; 0; 0; 1; 0];  % 标签

% 构建决策树模型
model = fitctree(X, Y);

% 预测新样本
X_new = [1.5 1.5; 2.5 1.5];  % 待预测样本的特征矩阵
Y_pred = predict(model, X_new);  % 预测结果

disp(Y_pred);

使用`fitrtree`函数构建回归决策树模型的示例代码与上述代码类似，只需要将函数名改为`fitrtree`并调整标签为连续值。

请注意，这只是决策树算法的一个简单示例，实际应用中可能需要更复杂的数据预处理、模型调参等操作。