决策树MATLAB代码

决策树是一种常用的机器学习算法，用于分类和回归问题。在MATLAB中，你可以使用`TreeBagger`函数来创建决策树模型。以下是一个简单的例子，展示了如何使用`TreeBagger`创建一个决策树：

% 导入数据（假设数据集已经存储在文件'data.csv'中）
data = readtable('data.csv');
% 假设'myTarget'列是目标变量，其他列为特征
X = data(:, 1:end-1);
Y = data(:, end);

% 设置参数，如树的最大深度、最小叶子节点样本数等
max_depth = 5;
min_samples_leaf = 10;

% 创建决策树
tree = TreeBagger(max_depth, X, Y, 'Method', 'classification', 'MinLeafSize', min_samples_leaf);

% 查看模型信息
disp(tree);

% 对新数据进行预测
new_data = ... % 新的输入数据
predictions = predict(tree, new_data);

% 可视化决策树
view(tree);

在这个例子中，`TreeBagger`函数需要训练数据（`X`和`Y`），以及一些参数设置。`Method`参数指定问题类型（这里是分类），`MinLeafSize`设置每个叶节点最少包含的样本数量。

相关问题：
1. `TreeBagger`函数中的'Method'参数有哪些可选值？
2. 如何评估训练好的决策树模型性能？
3. `predict`函数返回的是什么类型的预测结果？