本文主要是介绍使用matlab实现决策树cart算法（基于fitctree函数），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
使用的是matlab自带的fitctree函数，也就是classregtree函数（老版本），函数用法一致。
看了网上别人的教程都乱七八糟的，也没有注释，所以自己写了一个。
数据直接用的matlab里自带的举例用数据，所以代码直接复制到maltab里即可运行。
大家有更好的想法或疑问欢迎留言交流。
%% Created by Indiffer
%数据预处理
load ionosphere;
length=size(X,1);
rng(1);%可复现
indices = crossvalind('Kfold', length, 5);%用k折分类法将样本随机分为5部分
i=1; %四份用来训练，一份进行测试
test = (indices == i);
train = ~test;
X_train=X(train, :);
Y_train=Y(train, :);
X_test=X(test, :);
Y_test=Y(test, :);
%构建CART算法分类树
tree=fitctree(X_train,Y_train);
view(tree,'Mode','graph');%生成树图
rules_num=(tree.IsBranchNode==0);
rules_num=sum(rules_num);%求取规则数量
Cart_result=predict(tree,X_test);%使用测试样本进行验证
Cart_result=cell2mat(Cart_result);
Y_test=cell2mat(Y_test);
Cart_result=(Cart_result==Y_test);
Cart_length=size(Cart_result,1);%统计准确率
Cart_rate=(sum(Cart_result))/Cart_length;
disp(['规则数：' num2str(rules_num)]);
disp(['测试样本识别准确率：' num2str(Cart_rate)]);
这篇关于使用matlab实现决策树cart算法（基于fitctree函数）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
