Uygulama Kodları:
load carsmall Verileri yükleniyor ,matlab üzerinde bulunan bir dataset (ver kümesi)
**Tahmin parametreleri ve hedef sınıfı yapılandırılıyor
vars = {‘MPG’ ‘Cylinders’ ‘Horsepower’ ‘Model_Year’}; Düğümler için değerler tanımlanıyor
x = [MPG Cylinders Horsepower Model_Year]; Düğüm ifadeleri giriliyor
y = strcat(Origin,{}); Origin ile {} birleştiriliyor.
**Karar Ağacı sınıflandırma çalışması yapılıyor
t = classregtree(x, y, ‘method’,’classification’, ‘names’,vars, … ‘categorical’, [2 4], prune’,’off’); classregtree Matlab ağaç çizim fonksiyonu ile ağaç çiziliyor, budama yapılmadan
view(t) Ağaç Görüntüleniyor

**Test ediliyor
yPredicted = eval(t, x); Tahmin değerleri üretiliyor
cm = confusionmat(y,yPredicted); Matrix’e mevcut değerler alınıyor
N = sum(cm(:));  Matris Sütunları toplamı alınıyor
err = ( N-sum(diag(cm)) ) / N; Test Hatası çapraz matris ile alınıyor
**Budanan ağaçta overfitting önleniyor
tt = prune(t, ‘level’,2);  ağaç 2.seviyede budanıyor
view(tt) Budanmış ağaç görüntüleniyor

**görünmeyen yeni olay tahmin ediliyor
inst = [33 4 78 NaN]; Tahmin için yeni değerler giriliyor
prediction = eval(tt, inst) Ağacın vereceği sonuç tahmin olarak alınıyor