电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

新决策树例子VIP免费

新决策树例子_第1页
1/18
新决策树例子_第2页
2/18
新决策树例子_第3页
3/18
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)...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

新决策树例子

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部