我已经设法使用tidymodels包构建了一个决策树模型,但我不确定如何提取结果并绘制树。我知道我可以使用rpart和rpart.plot包来实现相同的功能,但我更愿意使用tidymodels,因为这是我正在学习的内容。下面是一个使用mtcars数据的示例。here
rpart.plot(tree_wf$fit$fit) #error is
在R包rpart中,是什么决定了决策树的CP表中显示的树的大小?在下面的示例中,CP表默认为仅显示具有1、2和5个节点的树(分别为nsplit = 0、1和4)。(fit)
rpart(formula = Kyphosis ~ Age + Number + Start, data = kyphosis,
Varia
当使用R的rpart函数时,我可以很容易地用它来拟合一个模型。例如:library(rpart)
fit <- rpart(Kyphosis ~ Age + Numberprintcp(fit) # display the results summary(fit) # detailed summary of
如何知道在构造的树中实际使用了哪些变量?model = tree(status~., set.train)summary(model)
Variables actually used in tree construction:
[1] "spread1" "MDVP.Fhi.Hz."-0.9167 0.0000 0