我想在MATLAB中使用二进制数据训练决策树。以下是我使用的样本数据。traindata <87*239> [包含239个特征的数据数组]

1 0 1 0 0 0 1 1 0 0 1 0 1 0 1 1 1 1 1 0 0 0 1 1 0 ... [至239]1 1 1 0 0 0 1 0 0 0 1 0 1 0 1 1 0 0 1 0 0 0 1 0 1 ... [至239]....

这些数据对应于一个仅有是/否选项的表格。表格的结果也是二进制的，表示患者是否有某种医学障碍！我们使用了分类树，但分类器显示的是双精度数。例如，它根据x137的值是否大于0.75来分支第一个节点！由于我们的数据中没有0.75，并且它没有是/否的意义，我们希望使用最适合我们工作的决策树。我们理想的决策树是基于布尔变量而不是双精度数进行训练的。它还应该理解数据不是连续的，例如，不是以上表示方式，而是显示x137是是还是否（1或0）。谁能帮我解决这个问题？我也希望得到一个解决方案，将我们的数据映射到双精度变量和特征上，如果布尔决策树不适用的话。我目前在MATLAB中使用classregtree，训练数据为<87*237>，结果为<87*1>。

回答：

classregtree有一个可选的输入参数categorical。使用这个选项，你可以传入一个向量，指示哪些输入变量是分类变量（在你的情况下，这个向量应该是1×239，全是1）。这样，决策树就应该包含是/否决策，而不是数值阈值。