问在R中不创建决策树，支持向量机工作

EN

我试图为分类创建一个决策树，但是它没有被创建。同样的数据以0.85的精度使用支持向量机(训练==测试数据)，“播放”是目标。

知道我做错什么了吗？以下是数据和代码：https://gist.github.com/romeokienzler/c471819cbf156a69f73daf49f8c700c6

展望，温度，湿度，刮风，玩耍 阳光，热，高，假，不 阳光，热，高，真，不 阴天，热，高，假，是的 下雨，温和，高，假，是的 下雨，凉爽，正常，假的，是的 阴雨，凉爽，正常，真实，不 阴沉，酷，正常，真的，是的 阳光，温和，高，假，不 阳光，凉爽，正常，虚假，是的 下雨，温和，正常，假，是的 阳光，温和，正常，真实，是的 阴，温和，高，真的，是的 阴天，热，正常，假，是的 雨，轻，高，真，不

对于使用支持向量机，我对数据进行了编码：https://gist.github.com/romeokienzler/9bfce4182eda3d7662315621462c9cc6

展望，温度，湿度，刮风，玩耍 1,1,2，假，假 1,1,2，真，假 2,1,2，假，真 3,2,2，假，真 3,3,1，假，真 3,3,1，真，假 2,3,1，真，真 1,2,2，假，假 1,3,1，假，真 3,2,1，假，真 1,2,1，真，真 2,2,2，真，真 2,1,1，假，真 3,2,2，真，假

这就是支持向量机的情况：

library(e1071)
df= read.csv("5.tennis_encoded.csv")
attach(df)
x <- subset(df, select=-play)
y <- play
detach(df)
model = svm(x,y,type = "C")
pred = predict(model,x)
truthVector = pred == y
good = length(truthVector[truthVector==TRUE])
bad = length(truthVector[truthVector==FALSE])
good/(good+bad)

1 0.8571429

这张是给决策树的

df= read.csv("5.tennis_encoded.csv")
library(rpart)
model = rpart(play ~ .,method = "class", data=df)
print(model)

1)根14 5真(0.3571429 0.6428571) *

所以我基本上得到了一棵只有根的树，玩==的概率是0.64%

知道我做错什么了吗？