% TREEFIT 分類または回帰に対する樹形モデルの近似
%
%   T = TREEFIT(X,Y) は、予測変数 X の関数として応答 Y を予測するために
%   決定木 T を作成します。X は、予測子の N×M 行列です。Y は、(回帰に
%   対する) N の応答値のベクトルか、または、(分類に対する) N の分類名を
%   含む文字列の文字配列かセル配列のどちらかです。どちらにせよ、T は、
%   X の列の値に基づいて個々の終端ではないノードから分岐していく二進木です。
%   X、または Y の NaN値は欠損値になり、観測にあるいずれの欠損値も近似
%   には使用しません。
%
%   T = TREEFIT(X,Y,'PARAM1',val1,'PARAM2',val2,...) は、オプション
%   パラメータ 名/値 の組を指定します。:
%
%   すべてのツリーに対して:
%      'categorical' X を並べられていないカテゴリ変数として取り扱うための
%                   X の列のインデックスベクトルです。
%      'method'     'classification' (Y がテキストの場合、デフォルトです)
%                   または、'regression' (Y が数値の場合、デフォルトです)
%      'splitmin'   数 N。不純物を含むノードは、N 個か、あるいは分割の
%                   ためのより多くの観測をもたなければなりません。
%                   (デフォルトは 10 です)
%      'prune'      完全なツリーとサブツリーを削除する最適手順を計算する
%                   には 'on' (デフォルト) で、サブツリーは削除せず完全な
%                   ツリーだけ求める場合は 'off'
%
%   分類木のみに対して:
%      'cost'       正方行列 C。C(i,j) は、真のクラスが i である点を
%                   クラス j に分類した場合のコストです。(i~=j の場合、
%                   デフォルトで C(i,j)=1 で、i=j の場合、C(i,j)=0 です)。
%                   あるいは、この値は 2 つのフィールドをもつ構造体 S に
%                   置き換えることもできます。S.group は、文字の文字配列
%                   またはセル配列としてグループ名を含み、S.cost は、
%                   コスト行列 C を含みます。
%      'splitcriterion'  分割方法を決める基準。ジニの多様性指標に対する 
%                   'gdi' (デフォルト) か、twoing 規則に対する 'twoing'、
%                   または、尤離度を最も減少させる 'deviance' のいずれか
%                   になります。
%      'priorprob'  (個々の異なったグループ名に対して 1 つの値となる) 
%                   ベクトルか、または 2 つのフィールドをもつ構造体 S 
%                   として指定された、各分類に対する事前確率。フィールドは
%                   つぎの通りです。S.group は、文字の文字配列かセル配列と
%                   してグループ名を含み、S.prob は、対応する確率のベクトル
%                   を含んでいます。
%
%   例:  フィッシャーのアイリスデータに対する分類木を作成します。
%      load fisheriris;
%      t = treefit(meas, species);
%      treedisp(t,'names',{'SL' 'SW' 'PL' 'PW'});
%
%   参考 TREEDISP, TREEPRUNE, TREETEST, TREEVAL.


%   Copyright 1993-2007 The MathWorks, Inc.