تعلم الآلة · Machine Learning
شجرة قرار مع التحقق المتقاطع وأهمية الميزات
Decision Tree with Cross-Validation and Importance
تدريب شجرة قرار وتقليمها وعرض أهمية الميزات.
load ionosphere % X: 351x34, Y: 'g' / 'b'
tree = fitctree(X, Y, 'MaxNumSplits', 20, 'CrossVal', 'on', 'KFold', 5);
fprintf('5-fold error = %.3f\n', kfoldLoss(tree));
full = fitctree(X, Y, 'MaxNumSplits', 20);
imp = predictorImportance(full);
[~, top] = maxk(imp, 5);
disp(top) % أهم 5 ميزات
view(full, 'Mode', 'graph');شرح الخطوات
- ionosphere بيانات مرفقة مع Statistics Toolbox.
- MaxNumSplits يحد عمق الشجرة لتقليل الإفراط.
- predictorImportance مبنية على تحسن النقاء.
المخرجات المتوقعة
خطأ تحقق متقاطع بخمس طيات، وأرقام أهم خمس ميزات، ونافذة رسم الشجرة.
لم يُشغّل في بيئة إعداد المكتبة لأنه يحتاج: Statistics and Machine Learning Toolbox. المخرجات أدناه وصف لما يجب أن تراه، لا أرقام فعلية.
