决策树（ Decision Tree）

优质

小牛编辑

132浏览

2023-12-01

决策树是以树的形式表示选择及其结果的图。图中的节点表示事件或选择，图的边表示决策规则或条件。它主要用于使用R的机器学习和数据挖掘应用程序。

使用决策树的例子是 - 将电子邮件预测为垃圾邮件或不垃圾邮件，预测肿瘤是癌症，或根据每个因素中的因素预测贷款是好的还是坏的信用风险。通常，使用也称为训练数据的观察数据创建模型。然后使用一组验证数据来验证和改进模型。 R具有用于创建和可视化决策树的包。对于新的预测变量集，我们使用此模型来确定数据的类别（是/否，垃圾邮件/非垃圾邮件）。

R包"party"用于创建决策树。

安装R包

在R控制台中使用以下命令安装程序包。您还必须安装依赖包（如果有）。

install.packages("party")

包“party”具有函数ctree() ，用于创建和分析decison树。

语法 (Syntax)

在R中创建决策树的基本语法是 -

ctree(formula, data)

以下是所用参数的说明 -

formula是描述预测变量和响应变量的公式。
data是使用的数据集的名称。

数据输入 (Input Data)

我们将使用名为readingSkills的R内置数据集来创建决策树。如果我们知道变量“年龄”，“鞋子大小”，“得分”以及该人是否是母语者，它会描述某人阅读技能的分数。

这是样本数据。

# Load the party package. It will automatically load other
# dependent packages.
library(party)
# Print some records from data set readingSkills.
print(head(readingSkills))

当我们执行上面的代码时，它会产生以下结果和图表 -

  nativeSpeaker   age   shoeSize      score
1           yes     5   24.83189   32.29385
2           yes     6   25.95238   36.63105
3            no    11   30.42170   49.60593
4           yes     7   28.66450   40.28456
5           yes    11   31.88207   55.46085
6           yes    10   30.07843   52.83124
Loading required package: methods
Loading required package: grid
...............................
...............................

例子 (Example)

我们将使用ctree()函数创建决策树并查看其图形。

# Load the party package. It will automatically load other
# dependent packages.
library(party)
# Create the input data frame.
input.dat <- readingSkills[c(1:105),]
# Give the chart file a name.
png(file = "decision_tree.png")
# Create the tree.
  output.tree <- ctree(
  nativeSpeaker ~ age + shoeSize + score, 
  data = input.dat)
# Plot the tree.
plot(output.tree)
# Save the file.
dev.off()

当我们执行上面的代码时，它会产生以下结果 -

null device 
          1 
Loading required package: methods
Loading required package: grid
Loading required package: mvtnorm
Loading required package: modeltools
Loading required package: stats4
Loading required package: strucchange
Loading required package: zoo
Attaching package: ‘zoo’
The following objects are masked from ‘package:base’:
   as.Date, as.Date.numeric
Loading required package: sandwich

结论 (Conclusion)

从上面显示的决策树中我们可以得出结论，任何阅读技能得分低于38.3且年龄超过6的人都不是本地议长。