R分类算法-决策树算法

Erin

发布于 2018-01-09 11:01:54

1.4K0

发布于 2018-01-09 11:01:54

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：

#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")

#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

机器学习