决策树--matlab自带函数

已知训练数据和训练数据类，获得决策树模型：

t=treefit(train_X,y);%train_X的行数为样本数，列数为特征数；y的行数为样本数，1列表征类；

t=classregtree(train_X,y):%用法与上一致，只是treefit为ID3算法，classregtree为CART算法；

现在多使用classregtree；

关于决策树的相关函数目前多放在classregtree的类中：

1）计算获得的决策树的精确度：

     cost = treetest(t,'test',X,y)；%测试错误率；

     [cost,secost,ntnodes,bestlevel] = treetest(...)；%cost为误差率向量；ntnodes为决策树包含的节点向量；两者对应

     例：

              % Start with a large tree.
                loa