这是rpart的一些选项
rpart.control(minsplit = 20, minbucket = round(minsplit/3), cp = 0.01,
              maxcompete = 4, maxsurrogate = 5, usesurrogate = 2, xval = 10,
              surrogatestyle = 0, maxdepth = 30, ...)
第一个minsplit的缺省值是20，如果一个node的个数小于20的话，就不会再继续分下去了。
你的总个数是21，分了一次之后一个是13，一个是8，所以不会再继续下去了。

> fit=rpart(y~x1+x3+x5,data=dat, cp = 0.001, minsplit = 5)
> fit
n= 21

node), split, n, deviance, yval
      * denotes terminal node

1) root 21 4.92946800 0.5857907  
   2) x3< 4.621357e+07 17 0.43087720 0.4131688  
     4) x5< 1.477778 6 0.07079054 0.2864146  
       8) x5< 1.005 2 0.01760142 0.1982708 *
       9) x5>=1.005 4 0.02988114 0.3304865 *
     5) x5>=1.477778 11 0.21110520 0.4823075  
      10) x3< 3.049149e+07 9 0.13067690 0.4455678  
        20) x3>=2.615278e+07 3 0.02317325 0.3416831 *
        21) x3< 2.615278e+07 6 0.05893949 0.4975102  
          42) x3< 2.472364e+07 4 0.02392114 0.4521742 *
          43) x3>=2.472364e+07 2 0.01035413 0.5881822 *
      11) x3>=3.049149e+07 2 0.01361306 0.6476360 *
   3) x3>=4.621357e+07 4 1.83909100 1.3194340 *

真谢谢啊~~那如果我要用prune这函数进行剪枝，并且Ra(T)=R(T)+a|T|公式中a=2，那么应该如何使用prune这函数呢？
还想请问一下哪里可以找到rpart，以及prune这两个函数的参数介绍啊？

?rpart
?prune
?rpart.control

谢谢啊~做了分类树后，那能不能求出各预测变量的重要性啊？应该输入什么指令？再次麻烦了~

predict命令