前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R分类算法-决策树算法

R分类算法-决策树算法

作者头像
Erin
发布2018-01-09 11:01:54
1.4K0
发布2018-01-09 11:01:54
举报
文章被收录于专栏:大数据风控

决策树(Decision Tree)

它通过对训练样本的学习,并建立分类规则,然后依据分类规则,对新样本数据进行分类预测,属于有监督学习。 优点: 决策树有易于理解和实现; 决策树可处理数值型和非数值型数据;

基于条件的决策树在party包里 install.packages(“party”) ctree(formula,data)

  • formula 建模表达式
  • data 训练数据

predic数据预测 predict(model,newdata=data.test)

  • model 通过训练样本得到的模型
  • newdata 需要预测的测试数据

代码实现:

代码语言:javascript
复制
#install.packages("party")
library(party)

data <- read.csv("data.csv")

formula <- CollegePlans ~ Gender+ParentIncome+IQ+ParentEncouragement
#CollegePlans ~ .

CollegePlansTree <- ctree(formula, data=data)
plot(CollegePlansTree)
plot(CollegePlansTree, type="simple")
这里写图片描述
这里写图片描述
代码语言:javascript
复制
#交叉验证
total <- nrow(data)

index <- sample(1:total, total*0.7)

data.train <- data[index, ]
data.test <- data[-index, ]

CollegePlansTree <- ctree(formula, data=data.train)

data.test.predict <- predict(CollegePlansTree, newdata=data.test)

prop.table(table(data.test$CollegePlans, data.test.predict), 1)
 data.test.predict
                           Does not plan to attend  Plans to attend 
  Does not plan to attend                0.91242236       0.08757764
  Plans to attend                        0.32531646       0.67468354

可以看到,决策树准确率70%,有待提高

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年07月24日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 决策树(Decision Tree)
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档