Matlab：決策樹顯示無效的輸出值

Question

我正在使用classregtree（X，Y）函數制作決策樹。 我將X傳遞為大小為70X9的矩陣（70個數據對象，每個具有9個屬性），Y作為70X1矩陣。 我的每個Y值都是2或4.但是，在形成的決策樹中，它為某些葉節點賦予值2.5或3.5。

有什么想法可能會導致這種情況嗎？

Answer 1

您正在回歸模式下使用classregtree（這是默認模式）。 將模式更改為分類模式。

Answer 2

以下是使用CLASSREGTREE進行分類的示例：

%# 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)

輸出（混淆矩陣和准確度）：

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

現在，如果您的目標類被編碼為數字，則返回的預測仍將是字符串的單元格數組，因此您必須將它們轉換回數字：

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

%# ...

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

請注意，分類總是返回字符串，所以我認為你可能錯誤地使用了method=regression選項，它執行回歸 （數字目標）而不是分類 （離散目標）