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.
Как выполнить ДТР?
1. Купить код и разархивировать файл
MATLAB: https://gum.co/MlrQs
Python: https://gum.co/tZYdw
2. Загрузите и разархивируйте дополнительный zip-файл (это бесплатно)
MATLAB: http://univprofblog.html.xdomain.jp/code/MATLAB_scripts_functions.zip
R: http://univprofblog.html.xdomain.jp/code/R_scripts_functions.zip
Python: http://univprofblog.html.xdomain.jp/code/supportingfunctions.zip
3. Поместите дополнительные файлы в тот же каталог или папку, что и код DTR.
4. Подготовьте набор данных. Формат данных см. в статье ниже.
5. Запустите код!
Расчетные значения Y для «data_prediction2.csv» сохраняются в «PredictedY2.csv».
Для кода Python выходной файл DTResult.dot должен быть загружен с помощью Graphviz (http://www.graphviz.org/) для визуализации правил DT.
Требуемые настройки
См. статью ниже.
https://medium.com/@univprofblog1/settings-for-running-my-matlab-r-and-python-codes-136b9e5637a1#.paer8scqy