matlab中decision的用法

在MATLAB中，decision是一个函数，用于计算经过分类器处理的测试样本的类别决策值。decision函数的语法如下：

decision = decFunction(X)

其中，X表示测试样本的特征向量矩阵，每行代表一个测试样本，每列代表一个特征。

decFunction是训练好的分类器的决策函数，可以是分类树、支持向量机、神经网络等算法。它可以用fitctree、fitcsvm、fitcnet等函数进行训练。

decision函数返回一个列向量，代表每个测试样本的类别决策值。对于二元分类问题，决策值越大，越有可能属于正类；越小，越有可能属于负类。对于多类别分类问题，决策值可以表示为每个类别的概率值。

例如，使用训练好的分类树进行测试，可以使用以下代码：

% 加载数据
load fisheriris
X = meas;
Y = species;

% 训练分类树
t = fitctree(X,Y);

% 计算测试样本的决策值
decision = predict(t,X);

其中，predict函数是分类树的预测函数，可以返回测试样本的类别预测结果。通过决策值可以进行后续的统计分析、绘图等操作。