R可视乎|决策树结果可视化
简介
决策树是一种非常有用的分类方法，它能够对新出现的对象给出正确的分类。比起文本描述的规则，我们更希望能使用图形来直观展示决策树的结果，这就是本文介绍的重点——决策树结果可视化。
方法一
使用基础包绘图函数plot()
- 优点：适用于各种模型，如raprt模型、C5.0模型等
- 缺点：图形复杂，规则显示不明确
这里使用我自己通过问卷调查获得的一份hospital数据，做一个简单示范。大家可以将自己的数据进行导入（如何导入？可见推文：R数据科学|第八章内容介绍），替换hospital数据。
使用C5.0()进行决策树模型的构建，因变量需要转化为因子类型，并将结果保存到hospital_model变量中，之后用plot()进行可视化。plot()中包含许多调整图形的参数，详细内容可以参考庄闪闪编写的R语言可视化手册，这里不做过多解释。
hospital_model <- C5.0(hospital_train[,-9],as.factor(hospital_train$use))
plot(hospital_model)
从这副图片可以发现，用plot进行决策树可视化效果不是很好，可以说很丑陋了！因此更推荐后面两种方法。
方法二
使用rpart.plot包绘图函数rpart.plot()
- 优点：图形美观，规则显示清晰明了
- 缺点：只适用于rpart模型
rpart.plot()函数的内部参数结构如下：
rpart.plot(x = stop("no 'x' arg"),
type = 2, extra = "auto",
under = FALSE, fallen.leaves = TRUE,
digits = 2, varlen = 0, faclen = 0, roundint = TRUE,
cex = NULL, tweak = 1,
clip.facs = FALSE, clip.right.labs = TRUE,
snip = FALSE,
box.palette = "auto", shadow.col = 0,
...)
内部参数过多，就不做详细解释。如果对这部分内容感兴趣可以通过帮助文档进行查询（?rpart.plot）
以hospital数据为例，使用rpart()进行决策树模型的构建，并将结果保存到model变量中，在这个模型中，~左端是因变量，~右端的"."表示将除了use以外的所有变量作为自变量，你可以根据数据来调整自己的模型结构。之后用rpart.plot()进行可视化。
library(rpart.plot)
model <- rpart(hospital$use~.,data = hospital)
rpart.plot(model)
如何你想改变决策树的样式，可以通过调整type参数来实现。
rpart.plot(model,type = 0)
如何你想改变各结点的颜色，可以通过调整box.palette参数来实现。若只添加一种颜色，则全部结点颜色相同。
rpart.plot(model,type = 0,box.palette = "yellow")
如果想要区分不同的结点，可以为box.palette设置多种颜色。
rpart.plot(model,type = 2,box.palette = c("pink", "gray"))
方法三
使用rattle包绘图函数fancyRpartPlot()
- 优点：图形更加精美，操作简单
- 缺点：只适用于rpart模型，需要加载的包比较多
fancyRpartPlot()函数的内部参数结构如下：
fancyRpartPlot(model, main="", sub, caption, palettes, type=2, ...)
各参数含义如下表：
参数 | 作用 |
|---|---|
model | 一个rpart对象 |
main | 图形标题 |
sub | 副标题。默认值是一个包含日期、时间和用户名的字符串。 |
captions | 图形右下角的说明 |
palettes | 颜色调整 |
types | 图形样式 |
以方法二中的model为例，使用fancyRpartPlot()进行结果可视化。
library(rpart)
library(tibble)
library(bitops)
library(rattle)
library(rpart.plot)
library(RColorBrewer)
model <- rpart(hospital$use~.,data = hospital)
fancyRpartPlot(model)
如果想要调整各结点的颜色，可以通过调整palette参数来实现，其用法与方法二中的box.palette相同。
fancyRpartPlot(model,palettes=c("Greys", "Blues"))
如果你想手动调整图片内部的细节，你可以参考这篇推文：AI不会，没关系，R可以导出PPT格式的图形啦，导入到ppt内然后修改图片内部元素。