决策树的可解释性真的挺适合刚入门机器学习的朋友，结构一目了然，哪一步做了啥基本都能看懂。

matlab 里的fitctree用起来也不复杂，你准备好特征和标签，直接扔进去就行，训练、预测、可视化一条龙服务，嗯，效率还蛮高的。

像下面这样就能建树：

% 假设 X 是特征矩阵，y 是类别标签
treeModel = fitctree(X, y);

预测新数据也简单：

predictedLabels = predict(treeModel, testX);

如果你对集成算法有兴趣，matlab 还支持随机森林和梯度提升，不怕过拟合，精度还高。

我看了一下压缩包“决策树（李培道 1102120867）”，里面的例子挺全，从建树到预测，还有数据那块，基本都覆盖到了，适合参考。

你要是想深入了解原理或者试试不同决策树算法，也可以看看这些扩展资料：

如果你刚接触机器学习，又正好用 matlab，那这份资料还挺值得一看，思路清晰，代码也不绕，照着跑一遍就有感觉了。