分类-回归树模型(CART)在R语言中的实现

CART模型 ,即Classification And Regression Trees。它和一般回归分析类似,是用来对变量进行解释和预测的工具,也是数据挖掘中的一种常用算法。如果因变量是连续数据,相对应的分析称为回归树,如果因变量是分类数据,则相应的分析称为分类树。 决策树是一种倒立的树结构,它由内部节点、叶子节点和边组成。其中最上面的一个节点叫根节点。 构造一棵决策树需要一个训练集,一些例子组成,每个例子用一些属性(或特征)和一个类别标记来描述。构造决策树的目的是找出属性和类别间的关系,一旦这种关系找出,就能用它来预测将来未知类别的记录的类别。这种具有预测功能的系统叫决策树分类器。其算法的优点在于:

1)可以生成可以理解的规则。

2)计算量相对来说不是很大。

3)可以处理多种数据类型。

4)决策树可以清晰的显示哪些变量较重要。 下面以一个例子来讲解如何在R语言中建立树模型。为了预测身体的肥胖程度,可以从身体的其它指标得到线索,例如:腰围、臀围、肘宽、膝宽、年龄。 #首先载入所需软件包 library(mboost) library(rpart) library(maptree) #读入样本数据 data('bodyfat') #建立公式 formular=DEXfat~age+waistcirc+hipcirc+elbowbreadth+kneebreadth #用rpart命令构建树模型,结果存在fit变量中 fit=rpart(formula,method='avova',data=bodyfat) #直接调用fit可以看到结果 n= 71 node), split, n, deviance, yval * denotes terminal node 1) root 71 8535.98400 30.78282 2) waistcirc< 88.4 40 1315.35800 22.92375 4) hipcirc< 96.25 17 285.91370 18.20765 * 5) hipcirc>=96.25 23 371.86530 26.40957 10) waistcirc< 80.75 13 117.60710 24.13077 * 11) waistcirc>=80.75 10 98.99016 29.37200 * 3) waistcirc>=88.4 31 1562.16200 40.92355 6) hipcirc< 109.9 13 136.29600 35.27846 * 7) hipcirc>=109.9 18 712.39870 45.00056 * #也可以用画图方式将结果表达得更清楚一些 draw.tree(fit)

#建立树模型要权衡两方面问题,一个是要拟合得使分组后的变异较小,另一个是要防止过度拟合,而使模型的误差过大,前者的参数是CP,后者的参数是Xerror。所以要在Xerror最小的情况下,也使CP尽量小。如果认为树模型过于复杂,我们需要对其进行修剪 #首先观察模型的误差等数据 printcp(fit) Regression tree: rpart(formula = formula, data = bodyfat) Variables actually used in tree construction: [1] hipcirc waistcirc Root node error: 8536/71 = 120.23 n= 71 CP nsplit rel error xerror xstd 1 0.662895 0 1.00000 1.01364 0.164726 2 0.083583 1 0.33710 0.41348 0.094585 3 0.077036 2 0.25352 0.42767 0.084572 4 0.018190 3 0.17649 0.31964 0.062635 5 0.010000 4 0.15830 0.28924 0.062949 #调用CP(complexity parameter)与xerror的相关图,一种方法是寻找最小xerror点所对应的CP值,并由此CP值决定树的大小,另一种方法是利用1SE方法,寻找xerror+SE的最小点对应的CP值。 plotcp(fit)

#用prune命令对树模型进行修剪(本例的树模型不复杂,并不需要修剪) pfit=prune(fit,cp= fit$cptable[which.min(fit$cptable[,"xerror"]),"CP"]) #模型初步解释:腰围和臀围较大的人,肥胖程度较高,而其中腰围是最主要的因素。 #利用模型预测某个人的肥胖程度 ndata=data.frame(waistcirc=99,hipcirc=110,elbowbreadth=6,kneebreadth=8,age=60) predict(fit,newdata=ndata)


(本文出自:www.tuicool.com )

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2015-09-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能

通过5个简单序列预测实例学习LSTM递归神经网络

它要求你考虑观测的顺序,并且使用像长短期记忆(LSTM)递归神经网络这样有记忆性的,并且可以学习观测之间时间依赖性的模型。

3748
来自专栏重庆的技术分享区

吴恩达-神经网络和深度学习(第二周神经网络基础)

1244
来自专栏华章科技

三天速成!香港科技大学TensorFlow课件分享

该教程第一天先介绍了深度学习和机器学习的潜力与基本概念,而后便开始探讨深度学习框架 TensorFlow。首先我们将学到如何安装 TensorFlow,其实我们...

582
来自专栏大数据挖掘DT机器学习

利用GBDT模型构造新特征具体方法

实际问题中,可直接用于机器学习模型的特征往往并不多。能否从“混乱”的原始log中挖掘到有用的特征,将会决定机器学习模型效果的好坏。引用下面一句流行的话: 特征决...

3537
来自专栏人工智能LeadAI

简单的TensorFlow分类教程

本篇文章有2个topic,简单的分类器和TensorFlow。首先,我们会编写函数生成三种类别的模拟数据。第一组数据是线性可分的,第二种是数据是月牙形数据咬合在...

993
来自专栏机器之心

ICLR 2018 | 斯坦福大学论文通过对抗训练实现可保证的分布式鲁棒性

28212
来自专栏烂笔头

机器学习笔记—KNN算法

目录[-] 前言 分类(Classification)是数据挖掘领域中的一种重要技术,它从一组已分类的训练样本中发现分类模型,将这个分类模型应用到待分类的样...

43110
来自专栏机器学习算法与Python学习

干货 | 受限玻尔兹曼机基础教程

定义与结构 受限玻尔兹曼机(RBM)由Geoff Hinton发明,是一种用于降维、分类、回归、协同过滤、特征学习和主题建模的算法。 下载pdf,请后台回复关键...

46713
来自专栏人工智能LeadAI

译文 | 简明 TensorFlow 教程:所有的模型

01 概述 在本文中,我们将讨论 TensorFlow 中当前可用的所有抽象模型,并描述该特定模型的用例以及简单的示例代码。 完整的工作示例源码(https:/...

3657
来自专栏机器之心

三天速成!香港科技大学TensorFlow课件分享

机器之心整理 参与:蒋思源 这是一套香港科技大学发布的极简 TensorFlow 入门教程,三天全套幻灯片教程已被分享到 Google Drive。机器之心将简...

40012

扫描关注云+社区