matlab - Matlab：决策树显示无效的输出值

Question

我正在使用 classregtree(X,Y) 函数制作决策树。我将 X 作为大小为 70X9 的矩阵（70 个数据对象，每个对象有 9 个属性）传递，并将 Y 作为 70X1 矩阵传递。我的每个 Y 值都是 2 或 4。但是，在形成的决策树中，它为某些叶节点提供了 2.5 或 3.5 的值。

任何想法为什么会导致这种情况？

Answer 1

您在回归模式（这是默认模式）下使用 classregtree。将模式更改为分类模式。

Answer 2

下面是一个使用CLASSREGTREE进行分类的示例：

%# load dataset
load fisheriris

%# split training/testing
cv = cvpartition(species, 'holdout',1/3);
trainIdx = cv.training;
testIdx = cv.test;

%# train
t = classregtree(meas(trainIdx,:), species(trainIdx), 'method','classification', ...
    'names',{'SL' 'SW' 'PL' 'PW'});

%# predict
pred = t.eval(meas(testIdx,:));

%# evaluate
cm = confusionmat(species(testIdx),pred)
acc = sum(diag(cm))./sum(testIdx)

输出（混淆矩阵和准确率）：

cm =
    17     0     0
     0    13     3
     0     2    15
acc =
          0.9

现在，如果您的目标类被编码为数字，则返回的预测仍将是字符串元胞数组，因此您必须将它们转换回数字：

%# load dataset
load fisheriris
[species,GN] = grp2idx(species);

%# ...

%# evaluate
cm = confusionmat(species(testIdx),str2double(pred))
acc = sum(diag(cm))./sum(testIdx)

请注意，分类将始终返回字符串，因此我认为您可能错误地使用了该method=regression选项，该选项执行回归（数字目标）而不是分类（离散目标）