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

来自专栏张俊红

Sklearn参数详解—聚类算法

聚类是一种非监督学习,是将一份给定数据集划分成k类,这一份数据集可能是某公司的一批用户,也可能是某媒体网站的一系列文章,如果是某公司的一批用户,那么k-mean...

1133
来自专栏技术墨客

MNIST 机器学习入门(TensorFlow)

本文是为既没有机器学习基础也没了解过TensorFlow的码农、序媛们准备的。如果已经了解什么是MNIST和softmax回归本文也可以再次帮助你提升理解。在阅...

822
来自专栏Python数据科学

【Python数据分析基础】: 异常值检测和处理

在机器学习中,异常检测和处理是一个比较小的分支,或者说,是机器学习的一个副产物,因为在一般的预测问题中,模型通常是对整体样本数据结构的一种表达方式,这种表达方式...

2502
来自专栏机器学习算法工程师

你知道词袋模型吗?

词袋模型是一种在使用机器学习算法建模文本时表示文本数据的方式; 易于理解和实现,并且在语言建模和文档分类等问题上取得了巨大成功。

1083
来自专栏数据派THU

独家 | 一文读懂TensorFlow基础

本文长度为7196字,建议阅读10分钟 本文为你讲解如何使用Tensorflow进行机器学习和深度学习。 1. 前言 深度学习算法的成功使人工智能的研究和应用取...

2307
来自专栏人工智能头条

基于Python的卷积神经网络和特征提取

2874
来自专栏老秦求学

[Deep-Learning-with-Python] Keras高级概念

目前为止,介绍的神经网络模型都是通过Sequential模型来实现的。Sequential模型假设神经网络模型只有一个输入一个输出,而且模型的网络层是线性堆叠在...

1111
来自专栏人工智能

OpenCV—Node.js教程系列:用Tensorflow和Caffe“做游戏”

AiTechYun 编辑:Yining 今天我们来看看OpenCV的深度神经网络模块。如果你想要释放神经网络的awesomeness来识别和分类图像中的物体,但...

33510
来自专栏书山有路勤为径

卡尔曼滤波器(Kalman Filters)

卡尔曼滤波器,这是一种使用噪声传感器测量(和贝叶斯规则)来生成未知量的可靠估计的算法(例如车辆可能在3秒内的位置)。

2012
来自专栏数据派THU

独家 | 手把手教TensorFlow(附代码)

上一期我们发布了“一文读懂TensorFlow(附代码、学习资料)”,带领大家对TensorFlow进行了全面了解,并分享了入门所需的网站、图书、视频等资料,本...

3045

扫码关注云+社区