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ATYUN订阅号

使用TensorFlow动手实现的简单的股价预测模型

本文是一个通过模拟预测股票,教会大家如何动手操作TensorFlow的教程,结果不具有权威性。因为股票价格的实际预测是一项非常复杂的任务,尤其是像本文这种按分钟...

35160
来自专栏深度学习自然语言处理

详解循环神经网络RNN(理论篇)

让我们从一个问题开始,你能理解下面这句英文的意思吗?“working love learning we on deep”,答案显然是无法理解。那么下面这个句子呢...

12330
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...

34050
来自专栏PaddlePaddle

转载|使用PaddleFluid和TensorFlow训练序列标注模型

上一篇通过转载|使用PaddleFluid和TensorFlow训练RNN语言模型大家了解了:

13430
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...

12020
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)。

48730
来自专栏梦里茶室

TensorFlow深度学习笔记 文本与序列的深度模型

Deep Models for Text and Sequence Rare Event 与其他机器学习不同,在文本分析里,陌生的东西(rare event)往...

227100
来自专栏Coding迪斯尼

启动网络的自我训练流程,展示网络数字图片识别效果

16340
来自专栏个人分享

C4.5决策树算法概念学习

•分类(Classification)就是按照某种标准给对象贴标签,再根据标签来区分归类,类别数不变。

18720
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。

15030

扫码关注云+社区

领取腾讯云代金券