rpart 包的rpart 函数 Iris 数据集 library(rpart) #加载rpart 包 head(iris) #看看iris 数据集里有哪些变量 iris 以鸢尾花的特征作为数据来源，数据集包含150 个数据，分为3 类，每类50 个数据，每个数据包含4 个属性分别是花萼长度、花萼宽带、花瓣长度、花瓣宽度 用gini 度量纯度 iris.rp1=rpart(Species~.,data=iris,method="class",parms=list(split="gini")) # rpart(formula, data, method, parms, ...)得到决策树对象，其中 （1）formula 是回归方程的形式，y~x1+x2+…，iris 一共有5 个变量，因变量是Species,自变量是其余四个变量，所以formula 可以省略为Species~. （2） data 是所要学习的数据集 （3）method 根据因变量的数据类型有如下几种选择：anova（连续型），poisson（计数型），class（离散型），exp（生存型），因为我们的因变量是花的种类，属于离散型，所以method 选择 class （4）parms 可以设置纯度的度量方法，有gini（默认）和 information（信息增益）两种。 plot(iris.rp1, uniform=T, branch=0, margin=0.1,main="Classification Tree\nIris Species by Petal and Sepal Length") #plot 的对象是由 rpart 得到的决策树对象，可以把这课决策树画出来，其中 （1） uniform 可取 T，F 两个值，T 表示图形在空间上均匀分配 （2） branch 刻画分支的形状，取值在 0 和 1 之间，branch=0 是倒 v 型，branch=1 是直角型，而当 branch 属于（0,1）时是梯形 （3）margin 刻画图的大小，margin 越大，决策树越小，上述三幅图的margin=0.1，而当margin=1时，决策树变小了 Classification TreeIris Species by Petal and Sepal Lengthbranch=0Classification TreeIris Species by Petal and Sepal Lengthbranch=1|Classification TreeIris Species by Petal and Sepal Lengthbranch=0.5| （4）main 是图的标题，其中“\n”是换行的意思 text(iris.rp1, use.n=T, fancy=T, col="blue") text(iris.rp1, use.n=T, fancy=F, col="blue") Classification TreeIris Species by Petal and Sepal LengthClassification TreeIris Species by Petal and Sepal LengthPetal.Length< 2.45Petal.Width< 1.75Petal.Length>=2.45Petal.Width>=1.75setosa 50/0/0v ersicolor0/49/5v irginica 0/1/45 （1）...
