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)


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:2016-11-04

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

来自专栏闪电gogogo的专栏

C语言之图像旋转

30320
来自专栏贾志刚-OpenCV学堂

基于OpenCV实现手写体数字训练与识别

OpenCV实现手写体数字训练与识别 机器学习(ML)是OpenCV模块之一,对于常见的数字识别与英文字母识别都可以做到很高的识别率,完成这类应用的主要思想与方...

63460
来自专栏菩提树下的杨过

机器学习笔记(5):多类逻辑回归-手动添加隐藏层

了解神经网络原理的同学们应该都知道,隐藏层越多,最终预测结果的准确度越高,但是计算量也越大,在上一篇的基础上,我们手动添加一个隐藏层,代码如下(主要参考自多层感...

23460
来自专栏人工智能LeadAI

layer定义 | 深度学习caffe框架

首先让我们回顾一下caffe的代码层次: blob,layer, net和solver.

10310
来自专栏求索之路

cs231n之SVM算法和SoftMax算法

1.环境搭建以及前置条件 1.前置环境: 1.mac 2.pycharm 3.python3 4.Anaconda 2.环境搭建: 1.官网下载并安装Ana...

34560
来自专栏ATYUN订阅号

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

? 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,但完全不知道深度学习如何工作,也不知...

53780
来自专栏机器学习养成记

缺失值处理(r语言,mice包)

对缺失值的处理是数据预处理中的重要环节,造成数据缺失的原因有:数据丢失、存储故障和调查中拒绝透露相关信息。这里我们使用VIM包中的sleep数据集为样本,介绍缺...

75570
来自专栏云时之间

Tensorflow 笔记:搭建神经网络

用张量表示数据,用计算图搭建神经网络,用会话执行计算图,优化线上的权重(参数),得到模型。

48050
来自专栏Spark学习技巧

基于Spark Mllib的文本分类

基于Spark Mllib的文本分类 文本分类是一个典型的机器学习问题,其主要目标是通过对已有语料库文本数据训练得到分类模型,进而对新文本进行类别标签的预测。这...

26480
来自专栏磐创AI技术团队的专栏

使用Keras进行深度学习:(一)Keras 入门

导语 Keras是Python中以CNTK、Tensorflow或者Theano为计算后台的一个深度学习建模环境。相对于其他深度学习的框架,如Tensorflo...

38460

扫码关注云+社区

领取腾讯云代金券