Регрессия дерева решений Регрессия: коды MATLAB, R и Python — все, что вам нужно сделать, это просто…

Я выпускаю коды MATLAB, R и Python для регрессионной регрессии дерева решений (DTR). Они очень просты в использовании. Вы подготавливаете набор данных и просто запускаете код! Затем можно получить результаты DTR и предсказания для новых выборок. Очень просто и легко!

Вы можете купить каждый код по указанным ниже URL-адресам.

МАТЛАБ

https://gum.co/MlrQs
Загрузите дополнительный zip-файл (это бесплатно) по указанному ниже URL-адресу, чтобы запустить код DTR.
http://univprofblog.html.xdomain .jp/code/MATLAB_scripts_functions.zip

R

https://gum.co/szLw
Загрузите дополнительный zip-файл (это бесплатно) по указанному ниже URL-адресу, чтобы запустить код DTR.
http://univprofblog.html.xdomain .jp/code/R_scripts_functions.zip

питон

https://gum.co/tZYdw
Загрузите дополнительный zip-файл (это бесплатно) по указанному ниже URL-адресу, чтобы запустить код DTR.
http://univprofblog.html.xdomain .jp/code/supportingfunctions.zip

Процедура DTR в кодах MATLAB, R и Python

Чтобы выполнить соответствующий DTR, коды MATLAB, R и Python следуют приведенной ниже процедуре после загрузки набора данных.

1. Построить дерево решений (DT)

2. Сокращение DT
Когда глубина или уровень DT высоки, DT слишком сложен, а прогностическая способность для новых выборок низка. Таким образом, глубина должна быть определена соответствующим образом. Например, может применяться перекрестная проверка.

3. Рассчитайте определяющий коэффициент и среднеквадратичную ошибку (RMSE) между фактическим значением Y и рассчитанным значением Y (r2C и RMSEC)
r2C означает отношение информации Y, которую может объяснить модель RFR.
RMSEC означает среднее значение ошибок Y в модели RFR.

4. Проверьте графики между фактическим Y и расчетным Y
Можно проверить выбросы расчетных и расчетных значений.

5. Ознакомьтесь с правилами DT

6. Оценка Y для новых выборок на основе DT в 1 и 2.